NAGIOS: RODERIC FUNCIONANDO

Development of an ultrasound-based muscle texture analysis as a potential imaging biomarker for frailty phenotype

Repositori DSpace/Manakin

IMPORTANT: Aquest repositori està en una versió antiga des del 3/12/2023. La nova instal.lació está en https://roderic.uv.es/

Development of an ultrasound-based muscle texture analysis as a potential imaging biomarker for frailty phenotype

dc.contributor.advisor	Borrás Blasco, Consuelo
dc.contributor.advisor	Forner Giner, Juana
dc.contributor.author	Mirón Mombiela, Rebeca
dc.contributor.other	Departament de Fisiologia	es_ES
dc.date.accessioned	2019-02-04T10:57:11Z
dc.date.available	2019-02-05T05:45:05Z
dc.date.issued	2018	es_ES
dc.date.submitted	28-01-2019	es_ES
dc.identifier.uri	http://hdl.handle.net/10550/68843
dc.description.abstract	Las herramientas habituales para evaluar la fragilidad muestran, entre otras características, una baja sensibilidad y un bajo valor predictivo positivo. Es por eso que, en este estudio prospectivo-retrospectivo, nos preguntamos si es posible identificar y desarrollar biomarcadores cuantitativos a partir de imágenes de ultrasonido muscular, para la identificación de sujetos con riesgo de fragilidad. Para ello utlilizamos el análisis de textura de ecointensidad con ayuda del aprendizaje automático (machine learning, en inglés) como enfoque experimental para responder a esta pregunta. El proyecto se desarrolló en consulta externa, donde se realizó la ecografía muscular. Al final de la adquisición de las imágenes, se completó un cuestionario electrónico con los datos epidemiológicos, los criterios del fenotipo de fragilidad y calidad de vida de los adultos mayores. Los sujetos de 60 años o más participaron en el grupo experimental, que fue subdividido de acuerdo al fenotipo de fragilidad. En el grupo control incluyó sujetos de 20 a 59 años de edad. Se realizó un seguimiento de las comorbilidades y/o muerte por dos años. Luego se realizó el post-procesado de imágenes con el análisis de textura (43 características), de los músculos cuádriceps. Se utilizaron métodos estadísticos para extraer las características predeterminadas y se desarrollaron modelos predictivos para determinar las mejores características para el diagnóstico de fragilidad, con la ayuda de la tecnología de aprendizaje automático. Los resultados demuestran que los modelos desarrollados tienen buenas áreas bajo la curva para la identificación de los sujetos frágiles. El análisis de regresión logística múltiple demostró que los biomarcadores de imagen clasificaron correctamente 70 a 87% de los casos, y explicaron entre 23% y 80% de la varianza en la identificación de pacientes frágiles con los modelos predictivos por sí solos. Estos modelos mejoraron al incorporar el grosor del músculo o la velocidad de la marcha, clasificando correctamente del 87% al 100% de los casos. Después del ajuste, los modelos fueron independientes de la edad, el sexo, el índice de masa corporal, el tejido adiposo subcutáneo y la fuerza muscular. Estos modelos también se asociaron con una mayor morbilidad y mortalidad. Estos resultados indican que es posible identificar sujetos con riesgo de fragilidad con la ayuda de modelos predictivos de análisis de textura, ayudados por el aprendizaje automático, como biomarcadores cuantitativos obtenidos de imágenes de ultrasonido muscular. Creemos que la heterogeneidad de las características de la textura muscular capta la calidad muscular y/o la disfunción muscular de los sujetos. Estas características hacen que las imágenes de ultrasonido, con la ayuda del análisis de textura mediante el aprendizaje automático, sean buenos biomarcadores de fragilidad.	es_ES
dc.format.extent	210	es_ES
dc.language.iso	en	es_ES
dc.subject	Frailty	es_ES
dc.subject	Ultrasound	es_ES
dc.subject	Biomarkers	es_ES
dc.subject	Texture Analysis	es_ES
dc.subject	Machine Learning	es_ES
dc.title	Development of an ultrasound-based muscle texture analysis as a potential imaging biomarker for frailty phenotype	es_ES
dc.type	doctoral thesis	es_ES
dc.subject.unesco	Envejecimiento de la población	es_ES
dc.subject.unesco	Ultrasonidos	es_ES
dc.subject.unesco	Inteligencia Artificial	es_ES
dc.subject.unesco	Diagnóstico por imagen	es_ES
dc.embargo.terms	0 days	es_ES