Considerada la demencia más frecuente, se calcula que la enfermedad de Alzhéimer afecta a 5,7 millones de personas solo en EE.UU. y las previsiones indican que la cifra se habrá duplicado con creces en 2050. En España, los afectados son unos 800.000, según la Sociedad Española de Neurología. El diagnóstico precoz resulta esencial para que el enfermo se beneficie de los pocos tratamientos disponibles, pero ningún análisis ni estudio de neuroimagen ofrecen por sí solos un diagnóstico concluyente mientras se permanece con vida; los médicos deben llevar a cabo una batería de pruebas clínicas y neuropsicológicas. Por ello, existe un gran interés en desarrollar la inteligencia artificial como instrumento de detección del alzhéimer a partir de neuroimágenes.

Investigadores de la Universidad de California en San Francisco (UCSF) han logrado entrenar un algoritmo de IA para que reconozca uno de los primeros signos de la enfermedad, la disminución del consumo de glucosa en el cerebro, en imágenes captadas mediante tomografía de emisión de positrones (TEP). El algoritmo acertó el diagnóstico de alzhéimer en casi todos los casos analizados, según el estudio.

En la TEP, se administra al paciente, por vía oral o venosa, una minúscula cantidad de una sustancia radioactiva que permite captar imágenes tridimensionales del metabolismo, la circulación y otras actividades celulares. La TEP se presta bien como herramienta diagnóstica de IA porque el alzhéimer provoca cambios sutiles en el metabolismo cerebral años antes de que el tejido nervioso comience a degenerar, afirma Jae Ho Sohn, radiólogo en la UCSF y uno de los autores del estudio. Esos cambios resultan “sumamente difíciles de percibir por los radiólogos”, subraya.

El algoritmo se entrenó y se sometió a prueba con 2100 imágenes de TEP obtenidas de un millar de personas mayores de 55 años. Las imágenes procedían de un estudio de seguimiento de 12 años de personas a las que se les acabó diagnosticando esta demencia, así como a afectados por leves deterioros de la memoria y sujetos de control sanos. El entrenamiento del algoritmo se llevó a cabo con el 90 por ciento de los datos y se puso a prueba con el 10 por ciento restante. A continuación, se volvió a probar con un segundo conjunto de datos independiente correspondiente a 40 pacientes sometidos a seguimiento durante una década. El algoritmo demostró una elevada sensibilidad: acertó en el 81 por ciento de los pacientes del primer grupo problema, y el 100 por cien del segundo, a quienes se les diagnosticaría la enfermedad seis años después en promedio. Los resultados se publicaron el pasado febrero en Radiology.

El algoritmo se basa en el aprendizaje profundo, una técnica de aprendizaje automático que se sirve de redes neuronales artificiales que han sido programadas para aprender de ejemplos. “Esta es una de las primeras aplicaciones prometedoras de ese tipo de aprendizaje en el diagnóstico del alzhéimer”, afirma Christian Salvatore, médico del Consejo Nacional de Investigación de Italia, al margen del estudio. “El modelo funciona muy bien cuando se trata de pacientes con un diagnóstico leve o tardío”, pero no tanto en los inicios de la enfermedad, “que sigue siendo, pues, una de las grandes asignaturas pendientes en este ámbito.”

Fuente: investigaciencia.es