Eur Radiol. 2018 Mar 29. doi: 10.1007 / s00330-018-5365-7.
Li L1,2, Fan W1,2, Li J1,2, Li Q3, Wang J4, Fan Y5, Ainda1,2, Guo J4, Li S4, Zhang Y4, Cheng Y4, Tang Y4, Zeng H4, Yang L6,7, Zhu Z8.
Sumário
OBJETIVOS:
Investigar as alterações estruturais cerebrais relacionadas à disfunção erétil venosa (VED) e a relação dessas alterações com os sintomas clínicos e a duração do distúrbio e distinguir os pacientes com VED de controles saudáveis usando uma classificação de aprendizado de máquina.
MÉTODOS:
45 VED pacientes e 50 controles saudáveis foram incluídos. Morfometria baseada em Voxel (VBM), estatística espacial baseada em tratos (TBSS) e análises de correlação de pacientes com VED e variáveis clínicas foram realizadas. O método de classificação de aprendizado de máquina foi adotado para confirmar sua eficácia em distinguir pacientes com DEV de controles saudáveis.
RESULTADOS:
Em comparação com indivíduos controles saudáveis, os pacientes com DEV mostraram volumes corticais significativamente menores no giro pós-central esquerdo e no giro pré-central, enquanto apenas o giro temporal médio direito mostrou um aumento significativo no volume cortical. Os valores de difusividade axial aumentada (AD), difusividade radial (RD) e difusividade média (MD) foram observados em regiões do cérebro disseminadas. Certas regiões dessas alterações relacionadas a pacientes com DEV apresentaram correlações significativas com os sintomas clínicos e a duração das desordens. Análises de aprendizado de máquina discriminaram pacientes de controles com precisão geral 96.7%, sensibilidade 93.3% e especificidade 99.0%.
CONCLUSÕES:
As alterações microestruturais do volume cortical e da substância branca (MO) foram observadas nos pacientes com DAV e mostraram correlações significativas com os sintomas clínicos e com a duração das disfunções. Vários índices derivados de DTI de algumas regiões cerebrais podem ser considerados como características discriminatórias confiáveis entre pacientes com DEV e indivíduos controles saudáveis, como mostrado por análises de aprendizagem de máquina.
PONTOS-CHAVE:
• A ressonância magnética multimodal ajuda os médicos a avaliar os pacientes com VED. • Os pacientes com VED apresentam alterações estruturais cerebrais relacionadas aos seus sintomas clínicos. • As análises de aprendizado de máquina discriminaram os pacientes com VED dos controles com um desempenho excelente. • A classificação do aprendizado de máquina forneceu uma demonstração preliminar do uso clínico do DTI.
PALAVRAS-CHAVE:
Classificação de aprendizagem de máquina; Ressonância magnética multimodo; TBSS; VBM; Disfunção erétil venosa
PMID: 29600478
DOI: 10.1007/s00330-018-5365-7