El algoritmo desarrollado podría convertirse en un software, que analizaría los datos recopilados de los grupos vulnerables entre mayores de 65 años, con antecedentes de lesión cerebral, hipertensión arterial, u otras, y notificaría al personal médico sobre las anomalías relacionadas con la aparición temprana de la enfermedad de Alzheimer.
La enfermedad de Alzheimer es la causa más frecuente de demencia en hasta un 70 por ciento de los casos. En todo el mundo, aproximadamente 24 millones de personas se ven afectadas y se espera que este número se duplique cada 20 años, según datos de la OMS, debido al envejecimiento de la sociedad. Así, dicha enfermedad podría convertirse en una costosa carga de salud pública en las próximas décadas.
Bajo este escenario, Investigadores de las universidades de Kaunas en Lituania han dado un paso más en el avance de esta patología, al desarrollar un método basado en el aprendizaje profundo que puede predecir la posible aparición del Alzheimer a partir de imágenes cerebrales con una precisión de más del 99 por ciento. El método se desarrolló analizando imágenes de resonancia magnética funcional obtenidas de 138 sujetos y con él se obtuvieron mejores resultados en términos de precisión, sensibilidad y especificidad que con otros métodos desarrollados previamente.
Diagnóstico a través de la imagen
Uno de los primeros signos posibles de la enfermedad de Alzheimer es el deterioro cognitivo leve (DCL), que es la etapa entre el deterioro cognitivo esperado del envejecimiento normal y la demencia. Las primeras etapas de DCL a menudo casi no tienen síntomas claros, pero en bastantes casos pueden detectarse mediante neuroimágenes. Una de las técnicas empleadas para su detección, 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 Rytis Maskeliūnas, investigador del Departamento de Ingeniería Multimedia, Facultad de Informática, Universidad Tecnológica de Kaunas (KTU), PhD de Odusami. supervisor.
Sin embargo, el análisis manual de imágenes de resonancia magnética funcional que intentan identificar los cambios asociados con la enfermedad de Alzheimer no solo requiere un conocimiento específico, 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.
"El procesamiento de señales moderno 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. Piense en una máquina como un robot capaz de realizar la tarea 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 ", según Maskeliūnas, quien supervisó el trabajo del equipo. en el modelo.
Inteligencia artificial
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.
El método pudo encontrar de manera efectiva las características del deterioro cognitivo leve (DCL) en el conjunto de datos dado, logrando la mejor precisión de clasificación del 99,99%, 99,95% y 99,95% para DCL temprano frente a Alzheimer, DCL tardío frente a Alzheimer y DCL frente a DCL 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 ", según Maskeliūnas.
Este 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. "El modelo descrito 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", señala el principal investigador, que concluye convencido de la ventaja de aprovechar al máximo los datos, "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", según sus palabras-
Comentarios
Publicar un comentario