Saludslider

Un algoritmo predice el alzheimer con una precisión cercana al 100%

El método utilizado consistió en analizar imágenes de resonancia magnética funcional obtenidas de 138 personas

Investigadores de las universidades de Kaunas, en Lituania, han desarrollado un nuevo método basado en el aprendizaje profundo que puede predecir la posible aparición de la enfermedad de Alzheimer, a partir de imágenes cerebrales con una precisión de más del 99 por ciento. El método utilizado consistió en analizar imágenes de resonancia magnética funcional obtenidas de 138 personas.

Según la Organización Mundial de la Salud, la enfermedad de Alzheimer es la causa más frecuente de demencia. En todo el mundo, hay aproximadamente 24 millones de personas afectadas y se espera que este número se duplique cada 20 años. Debido al envejecimiento de la sociedad, en los próximos años, esta enfermedad se convertirá en una costosa carga para la salud pública.

“Los profesionales médicos de todo el mundo están intentando crear conciencia sobre la necesidad de un diagnóstico temprano de Alzheimer, lo que brinda a los afectados una mejor oportunidad de beneficiarse del tratamiento”, dice Rytis Maskeliūnas, investigador del Departamento de Ingeniería Multimedia de la Universidad Tecnológica de Kaunas (KTU).

Signos de la enfermedad de Alzheimer

Uno de los primeros signos de la enfermedad de Alzheimer es el deterioro cognitivo leve (DCL). Según la investigación anterior, la resonancia magnética funcional (fMRI) se puede utilizar para identificar las regiones del cerebro que pueden estar asociadas con la aparición de la enfermedad de Alzheimer, según Maskeliūnas. Las primeras etapas de DCL a menudo casi no tienen síntomas claros, pero en bastantes casos pueden detectarse mediante neuroimágenes.

Sin embargo, aunque teóricamente es posible, el análisis manual de imágenes de resonancia magnética funcional, que intenta identificar los cambios asociados con la enfermedad de Alzheimer, no solo requiere un conocimientos específicos, sino que también requiere mucho tiempo. La aplicación del aprendizaje profundo y otros métodos de inteligencia artificial puede acelerar esto, por un margen de tiempo significativo. Encontrar las características del DCL no significa, necesariamente, la presencia de una enfermedad, ya que también puede ser un síntoma de otras enfermedades relacionadas, pero es un indicador y una ayuda para orientar al profesional médico.

Procesamiento de imágenes mecánicamente

“El procesamiento de señales modernas permite delegar el procesamiento de imágenes a la máquina, que puede completarlo con la suficiente rapidez y precisión. Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al cien por cien. Una máquina es un robot capaz de realizar tareas más tediosa de clasificar los datos y buscar características. En este escenario, después de que el algoritmo informático selecciona los casos potencialmente afectados, el especialista puede analizarlos más de cerca y, al final, todos se benefician ya que el diagnóstico y el tratamiento llegan al paciente mucho más rápido”, dice Maskeliūnas, quien supervisó el trabajo del equipo. en el modelo.

El modelo basado en el aprendizaje profundo se desarrolló como una fructífera colaboración de los principales investigadores lituanos en el sector de la inteligencia artificial, utilizando una modificación de ResNet 18 bien afinado (red neuronal residual) para clasificar las imágenes de resonancia magnética funcional obtenidas de 138 sujetos. Las imágenes se clasificaron en seis categorías diferentes: desde saludables hasta el espectro del deterioro cognitivo leve (DCL) hasta la enfermedad de Alzheimer. En total, se seleccionaron 51,443 y 27,310 imágenes del conjunto de datos de resonancia magnética funcional de la Iniciativa de neuroimagen de la enfermedad de Alzheimer para entrenamiento y validación.

Medicina más accesible y barata

Las tecnologías pueden hacer que la Medicina sea más accesible y barata. Aunque nunca reemplazarán al profesional médico, las tecnologías pueden alentar la búsqueda de diagnóstico y ayuda oportunos.

El modelo pudo encontrar de manera efectiva las características de MCI en el conjunto de datos dado, logrando la mejor precisión de clasificación del 99,99 por ciento, 99,95 por ciento y 99,95 por ciento para MCI temprano frente a AD, MCI tardío frente a AD y MCI frente a MCI temprano, respectivamente.

“Aunque este no fue el primer intento de diagnosticar la aparición temprana de la enfermedad de Alzheimer a partir de datos similares, nuestro principal avance es la precisión del algoritmo. Obviamente, cifras tan altas no son indicadores de un rendimiento real en la vida real, pero estamos trabajando con instituciones médicas para obtener más datos ”, dice Maskeliūnas.

El algoritmo analiza los grupos vulnerables

Según él, el algoritmo podría convertirse en un software, que analizaría los datos recopilados de los grupos vulnerables (mayores de 65 años, con antecedentes de lesión cerebral, hipertensión arterial, etc.) y notificaría al personal médico sobre las anomalías relacionadas con la aparición temprana de la enfermedad de Alzheimer. “Necesitamos aprovechar al máximo los datos”, dice Maskeliūnas, “por eso nuestro grupo de investigación se centra en el principio europeo de ciencia abierta, para que cualquiera pueda utilizar nuestro conocimiento y desarrollarlo aún más. Creo que este principio contribuye en gran medida al avance de la sociedad”.

Maskeliūnas, el investigador principal, cuya área principal se centra en la aplicación de métodos modernos de inteligencia artificial en el procesamiento de señales e interfaces multimodales, dice que el modelo descrito anteriormente se puede integrar en un sistema más complejo, analizando varios parámetros diferentes, por ejemplo, también monitorea el seguimiento de los movimientos oculares, la lectura de rostros, el análisis de voz, etc. Dicha tecnología podría usarse para autocomprobación y alerta para buscar asesoramiento profesional si algo es motivo de preocupación.

Fuente: redaccionmedica.com