Reconocimiento de Patrones en el análisis de datos de

Reconocimiento de Patrones en el análisis de datos de
Espectroscopia de Resonancia Magnética. Aplicación en la
Anemia de Hematíes Falciformes.
Eloy D. Alvarez-Guerra1*, Jorge Bernal1*, Jorge Losada2, Harry Parkes4, y Jimmy D. Bell3
1
Centro de Biofísica Médica, Universidad de Oriente, Santiago de Cuba, Cuba
Hospital Clínico-Quirúrgico Santiago de Cuba (HCQ-SC), Cuba
3 Molecular Imaging Group, Hammersmith Hospital, Imperial College, London, UK
4 Institute of Child Health, University College London, UK
2
* Ambos autores contribuyeron proporcionalmente a este trabajo.
Centro de Biofísica Médica . Patricio Lumumba s/n Santiago de Cuba, Cuba. CP: 90500
e-mail: [email protected] y [email protected]
Las aplicaciones de la Espectroscopia de Resonancia Magnética (ERM) han crecido de
manera vertiginosa en las últimas décadas y se han extendido al estudio de procesos
fisiopatológicos, a la caracterización de órganos y tejidos y a la farmacología y toxicología. El
espectro constituye una medición fidedigna de los procesos bioquímicos que ocurren en los
seres vivos y es útil cuando se quiere extraer patrones latentes de diversos estados
fisiopatológicos. Sin embargo, las complejidades experimentales e instrumentales, la gran
cantidad de datos generados y la insuficiencia del conocimiento a priori, hacen difícil el análisis
y la aplicación práctica de resultados. Una forma de reducir estos problemas ha sido la
aplicación de técnicas de reconocimiento de patrones (RP) al análisis de espectros, entre ellas,
el Análisis Factorial y de Componentes Principales, Análisis Discriminante de Fisher y
Funciones Discriminantes, transformadas Wavelet, Escalado Multidimensional, algoritmos de
agrupamiento jerárquico, Redes Neuronales y Algoritmos Genéticos. Una enfermedad poco
estudiada por ERM es la Anemia de Hematíes Falciformes (AHF), enfermedad molecular
caracterizada por la existencia de fenómenos vaso-oclusivos que deterioran la vida del
enfermo. Factores genéticos y socio-ambientales hacen extremadamente variable la morbilidad
de esta entidad. En este trabajo pretendemos explorar si estas herramientas pueden ser útiles
en la identificación y discriminación de patrones metabólicos característicos de individuos
sanos y afectados por la AHF.
Se obtuvo un extracto de metabolitos de bajo peso molecular procedente de sangre total de 45
pacientes y voluntarios sanos que se analizó por ERM 1H. A partir del espectro se cuantificaron
trece metabolitos (vector de medición) que posteriormente fueron utilizados para construir una
base de datos a la que se le aplicaron diversas técnicas de RP y análisis multivariado. A partir
de un subconjunto de la muestra se generaron poblaciones representativas utilizando técnicas
de Montecarlo. Estas poblaciones se evaluaron por métodos multivariados.
Las técnicas de reducción de dimensionalidad demostraron que los patrones de los enfermos
son linealmente separables de los patrones de individuos controles en un espacio de una o dos
dimensiones y las poblaciones pueden considerarse como normalmente distribuidas. Al utilizar
como clasificador una función discriminante lineal se obtuvo una baja probabilidad de error a
posteriori, determinada por el método de leave-one-out(LOO). El Error Cuadrático Mínimo fue
el clasificador con mejor ejecución estimada, aspecto que debe esperarse por su aproximación
asintótica al clasificador óptimo bayesiano. Concluimos que el análisis multivariado permite
efectivamente disminuir el número de variables utilizadas (hasta una o dos) para la clasificación
óptima de nuestras muestras y segregar las poblaciones de individuos sanos y enfermos. Este
resultado confirma las diferencias metabólicas existentes y referenciadas por otros autores.
Como paso ulterior pretendemos desarrollar un clasificador general para el estudio de
muestras de sangre por ERM y aplicar estas técnicas a la evaluación de diferencias en los
patrones metabólicos entre enfermos en estado basal y afectados por crisis vaso-oclusivas.