Entrenan un modelo de inteligencia artificial para escanear la retina y predecir el Alzheimer

Un grupo de investigación interdisciplinar (Neurología, Ingeniería Electrónica, Informática, Bioestadística y Bioinformática) liderado por el departamento de Oftalmología de la Universidad de Duke (Estados Unidos), ha desarrollado un modelo de inteligencia artificial diseñada para interpretar una combinación de imágenes de la retina con el objetivo de identificar con éxito a  pacientes con la enfermedad de Alzheimer, lo que podría usarse algún día como una herramienta no invasiva de predicción y diagnóstico temprano en individuos sintomáticos. Estos hallazgos se han publicado en la revista científica British Journal of Ophthalmology.

El diagnóstico de la enfermedad de Alzheimer a menudo se basa en los síntomas y pruebas cognitivas, y en muchos casos pruebas adicionales para confirmar el diagnóstico que a menudo son costosas.

Este modelo analiza la estructura de la retina y los vasos sanguíneos a partir de imágenes del interior del ojo y que se han correlacionado con cambios cognitivos. Tener un método más accesible, rápido y no invasivo para identificar la enfermedad de Alzheimer, podría ayudar a los pacientes de muchas maneras, incluida la mejora de la precisión del diagnóstico y la planificación con mayor antelación para ajustar el estilo de vida al trascurso de la enfermedad.

El equipo de investigación se basó en un trabajo anterior en el que identificaron cambios en la densidad de los vasos sanguíneos de la retina que se correlacionaban con cambios cognitivos. Encontraron una disminución de la densidad de la red capilar alrededor del centro de la mácula en pacientes con enfermedad de Alzheimer. Usando ese conocimiento y los datos generados, entrenaron un modelo de aprendizaje automático, conocido como red neuronal convolucional (CNN), a partir de cuatro tipos de escaneos de la retina como datos de entrada para enseñar a la red a discernir diferencias relevantes entre imágenes.

Como conjunto de datos se utilizaron escaneos de 159 participantes del estudio para construir la red, 123 pacientes eran cognitivamente sanos, siendo 36 de ellos positivos en la enfermedad de Alzheimer. Los investigadores probaron varios enfoques diferentes, siendo el modelo con mejor rendimiento el que combinaba imágenes de la retina con otros datos clínicos adicionales. La red neuronal diferenciaba a los pacientes con enfermedad de Alzheimer sintomática de los participantes cognitivamente sanos en un grupo de prueba independiente.

Aún con estos resultados esperanzadores, es necesario seguir entrenando y revisando el modelo con un grupo más amplio y diverso de pacientes para construir modelos que puedan predecir la enfermedad de Alzheimer en todos los grupos raciales, así como en aquellos que tienen afecciones como glaucoma y diabetes, que también pueden alterar las estructuras retinianas y vasculares.

Los investigadores advierten también que es necesario determinar cómo de bien se compara el enfoque de este modelo de Deep Learning con los métodos actuales de diagnóstico de la enfermedad de Alzheimer, que a menudo incluyen pruebas costosas e invasivas de neuroimagen y de líquido cefalorraquídeo.

La relación entre la enfermedad de Alzheimer y los cambios observados en la retina, junto con plataformas de imágenes de retina no invasivas, rentables y ampliamente disponibles, posicionan el análisis de este tipo de imágenes combinado con inteligencia artificial como una herramienta adicional esperanzadora para mejorar el diagnóstico de esta enfermedad neurodegenerativa.

Referencia: C. Ellis Wisely, Dong Wang, Ricardo Henao, Dilraj S. Grewal, Atalie C. Thompson, Cason B. Robbins, Stephen P. Yoon, Srinath Soundararajan, Bryce W. Polascik, James R. Burke, Andy Liu, Lawrence Carin, Sharon Fekrat. Convolutional neural network to identify symptomatic Alzheimer’s disease using multimodal retinal imagingBritish Journal of Ophthalmology, 2020; bjophthalmol-2020-317659 DOI: 10.1136/bjophthalmol-2020-317659

Compartir:

Deja un comentario