La inteligencia artificial para el diagnóstico temprano del Alzheimer

Según un estudio desarrollado por investigadores del Departamento de Radiología e Imagen Biomédica de la Universidad de California en San Francisco (UCSF) y publicado en la revista Radiology, los nuevos avances en inteligencia artificial (IA) pueden mejorar la capacidad  para predecir la enfermedad de Alzheimer a partir de las imágenes cerebrales.

El diagnóstico temprano de la enfermedad de Alzheimer es extremadamente importante, ya que los tratamientos e intervenciones son más efectivos al principio de la enfermedad. Sin embargo, el diagnóstico temprano ha demostrado ser un verdadero retoLa investigación ha relacionado el proceso de la enfermedad con los cambios en el metabolismo, como lo demuestra la captación de glucosa en ciertas regiones del cerebro, pero estos cambios pueden ser difíciles de reconocer y normalmente la sintomatología comienza cuando la enfermedad se encuentra más avanzada.

El grupo de investigación ha aplicado las tecnologías del aprendizaje profundo (deep learning), un tipo de inteligencia artificial en el que las máquinas aprenden con el ejemplo, al igual que los humanos, para encontrar patrones que señalen cambios predictivos en el metabolismo cerebral  de la enfermedad de Alzheimer. Los investigadores entrenaron un algoritmo de aprendizaje profundo a partir de las imágenes tomadas con una tecnología de imagen especial conocida como tomografía por emisión de positrones (FDG-PET) con la que se puede medir la actividad metabólica del cerebro.

Los investigadores mediante el acceso a neuroimágenes de más de 2.100 imágenes cerebrales de FDG-PET de 1.002 pacientes de la base de datos de la Iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI), que se centra en ensayos clínicos para mejorar la prevención y el tratamiento de esta enfermedad. Entrenaron el algoritmo con el 90% ciento del conjunto de datos y validando con el 10% restante, con lo que fueron capaces de descubrir patrones metabólicos que correspondían a la enfermedad de Alzheimer.

Posteriormente los investigadores probaron el algoritmo en un conjunto independiente de 40 imágenes de 40 pacientes que nunca había estudiado. El algoritmo logró una sensibilidad del 100% para detectar la enfermedad que supone un promedio de más de seis años de antelación sobre un diagnóstico normal.

Es necesario apuntar que el conjunto de pruebas independientes se considera pequeño y es necesaria una validación adicional con un estudio más amplio entre distintas instituciones. En todo caso parece vislumbrarse que estas nuevas tecnologías y con las capacidades de procesamiento existentes actualmente, podría ser una herramienta muy útil y complementaria al trabajo desarrollado por los radiólogos para el diagnóstico y la intervención terapéutica temprana en la enfermedad de Alzheimer.

Entra las investigaciones que se están desarrollando en este campo merece la pena destacar aquellas  que intentan entrenar algoritmos de aprendizaje profundo para buscar patrones asociados con la acumulación de proteínas beta-amiloides y tau, grupos de proteínas anormales y ovillos en el cerebro que son marcadores específicos de la enfermedad de Alzheimer.

Referencia: Yiming Ding, Jae Ho Sohn, Michael G. Kawczynski, Hari Trivedi, Roy Harnish, Nathaniel W. Jenkins, Dmytro Lituiev, Timothy P. Copeland, Mariam S. Aboian, Carina Mari Aparici, Spencer C. Behr, Robert R. Flavell, Shih-Ying Huang, Kelly A. Zalocusky, Lorenzo Nardo, Youngho Seo, Randall A. Hawkins, Miguel Hernandez Pampaloni, Dexter Hadley, Benjamin L. Franc. A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the BrainRadiology, 2018; 180958 DOI

Compartir:

3 comentarios

Deja un comentario