Medellín - Ciencias - Maestría en Ciencias - Estadística · 2026
Modelo bayesiano para la armonización de imágenes de resonancia magnética: Evaluación y aplicaciones clínicas
La armonización de imágenes de resonancia magnética (RM) es un paso fundamental para integrar datos adquiridos en múltiples centros y protocolos, reduciendo la variabilidad técnica sin comprometer la información biológicamente relevante. En estudios multicéntricos, los efectos de sitio pueden ser comparables en magnitud a las diferencias asociadas a la enfermedad, afectando la reproducibilidad y la validez de los análisis. Aunque métodos como textit{ComBat} han demostrado ser efectivos para reducir estos efectos, persisten desafíos relacionados con la preservación de la señal clínica, la evaluación objetiva del desempeño de la armonización y la incorporación de nuevas observaciones de manera coherente. En este trabajo se desarrolla y evalúa un marco metodológico basado en modelos normativos de regresión bayesiana jerárquica para la armonización de imágenes de RM estructural. A diferencia de los enfoques clásicos, el modelo incorpora el efecto de sitio como parte de la estructura jerárquica, permitiendo obtener puntuaciones estandarizadas (z-scores) comparables entre centros mediante mecanismos de partial pooling. Asimismo, se propone un marco de evaluación que combina métricas de remoción del efecto de sitio, preservación de señal biológica y desempeño clínico. La metodología fue validada mediante estudios de simulación multicéntrica y posteriormente aplicada a un conjunto de datos reales de RM estructural. Los resultados mostraron que los modelos jerárquicos presentan mayor robustez y calibración que un modelo de complete pooling, con baja sensibilidad a la especificación de los priors. En datos reales, el modelo logró un equilibrio favorable entre la reducción del efecto de sitio y la preservación de la capacidad discriminativa para enfermedad de Alzheimer y enfermedad de Parkinson, superando este compromiso frente a estrategias tradicionales de armonización. En conjunto, esta investigación proporciona un marco estadísticamente sólido, interpretable y extensible para la armonización de neuroimagen multicéntrica, contribuyendo a mejorar la reproducibilidad de estudios colaborativos y sentando bases para su aplicación en entornos clínicos y arquitecturas federadas de análisis. (Texto tomado de la fuente)