Uncovering neuronal-based autism profiles using task-based fMRI and model-based clustering approaches

Abstract

Deze studie onderzocht variabiliteit bij autisme spectrumstoornis (ASS) door middel van functionele magnetische resonantie beeldvorming (fMRI). Met behulp van Latent Profile Analysis werden drie clusters geïdentificeerd: normatief, lage onderscheidbaarheid en hoge onderscheidbaarheid. Het normatieve cluster vertoonde geen significante verschillen in hersen activatie vergeleken met de controlegroep. Het cluster met lage onderscheidbaarheid vertoonde significante verschillen in hersen activatie en gedragsreacties bij het reguleren van positieve emoties. Het cluster met hoge onderscheidbaarheid vertoonde significante verschillen in hersen activatie en gedragsreacties bij het niet-reguleren van positieve emoties. Er werden geen significante verschillen gevonden in leeftijd en geslacht. Deze bevindingen benadrukken het belang van individuele variabiliteit en pleiten voor het erkennen van heterogeniteit binnen de klinische populatie van ASS. Verder onderzoek is nodig om deze clusters te valideren en gepersonaliseerde interventies te ontwikkelen.