La tecnología de inteligencia artificial IA mejora la capacidad de las imágenes del cerebro para predecir la enfermedad de Alzheimer, según un estudio publicado en la revista radiología .
El diagnóstico oportuno de la enfermedad de Alzheimer es extremadamente importante, ya que los tratamientos e intervenciones son más efectivos temprano en el curso de la enfermedad. Sin embargo, el diagnóstico temprano ha demostrado ser un desafío. La investigación ha relacionado el proceso de la enfermedad con cambios en el metabolismo, como lo demuestraabsorción de glucosa en ciertas regiones del cerebro, pero estos cambios pueden ser difíciles de reconocer.
"Las diferencias en el patrón de absorción de glucosa en el cerebro son muy sutiles y difusas", dijo el coautor del estudio, Jae Ho Sohn, MD, del Departamento de Radiología e Imagen Biomédica de la Universidad de California en San Francisco UCSF."Las personas son buenas para encontrar biomarcadores específicos de la enfermedad, pero los cambios metabólicos representan un proceso más global y sutil".
El autor principal del estudio, Benjamin Franc, MD, de la UCSF, se acercó al Dr. Sohn y a la Universidad de California, Berkeley, al estudiante de pregrado Yiming Ding a través del grupo de investigación Big Data in Radiology BDRAD, un equipo multidisciplinario de médicos e ingenieros enfocadosen ciencia de datos radiológicos. El Dr. Franc estaba interesado en aplicar el aprendizaje profundo, un tipo de IA en el que las máquinas aprenden con el ejemplo, al igual que los humanos, para encontrar cambios en el metabolismo cerebral predictivos de la enfermedad de Alzheimer.
Los investigadores entrenaron el algoritmo de aprendizaje profundo en una tecnología de imagen especial conocida como tomografía por emisión de positrones con 18-F-fluorodeoxiglucosa FDG-PET. En una exploración FDG-PET, se inyecta FDG, un compuesto de glucosa radiactivo, en la sangre.Las exploraciones PET pueden medir la absorción de FDG en las células cerebrales, un indicador de la actividad metabólica.
Los investigadores tuvieron acceso a los datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer ADNI, un importante estudio multicéntrico centrado en ensayos clínicos para mejorar la prevención y el tratamiento de esta enfermedad. El conjunto de datos de ADNI incluyó más de 2,100 imágenes cerebrales FDG-PET de1.002 pacientes. Los investigadores entrenaron el algoritmo de aprendizaje profundo en el 90 por ciento del conjunto de datos y luego lo probaron en el 10 por ciento restante del conjunto de datos. Mediante el aprendizaje profundo, el algoritmo pudo enseñarse patrones metabólicos que correspondían a la enfermedad de Alzheimer.
Finalmente, los investigadores probaron el algoritmo en un conjunto independiente de 40 exámenes de imágenes de 40 pacientes que nunca había estudiado. El algoritmo alcanzó una sensibilidad del 100 por ciento para detectar la enfermedad un promedio de más de seis años antes del diagnóstico final.
"Estamos muy satisfechos con el rendimiento del algoritmo", dijo el Dr. Sohn. "Fue capaz de predecir cada caso que avanzó a la enfermedad de Alzheimer".
Aunque advirtió que su conjunto de pruebas independientes era pequeño y necesita validación adicional con un estudio prospectivo multi-institucional más amplio, el Dr. Sohn dijo que el algoritmo podría ser una herramienta útil para complementar el trabajo de los radiólogos, especialmente en conjunto con otrospruebas bioquímicas y de imagen: para brindar una oportunidad de intervención terapéutica temprana.
"Si diagnosticamos la enfermedad de Alzheimer cuando todos los síntomas se han manifestado, la pérdida de volumen cerebral es tan importante que es demasiado tarde para intervenir", dijo. "Si podemos detectarlo antes, es una oportunidad para que los investigadores encuentren un potencial mejor".formas de ralentizar o incluso detener el proceso de la enfermedad "
Las futuras instrucciones de investigación incluyen la capacitación del algoritmo de aprendizaje profundo para buscar patrones asociados con la acumulación de proteínas beta-amiloides y tau, grupos anormales de proteínas y enredos en el cerebro que son marcadores específicos de la enfermedad de Alzheimer, según Youngho Seo, Ph de UCSF.D., Quien se desempeñó como uno de los asesores docentes del estudio.
"Si la FDG-PET con IA puede predecir la enfermedad de Alzheimer tan pronto, la placa de beta-amiloide y la PET de la proteína tau pueden agregar otra dimensión de poder predictivo importante", dijo.
Fuente de la historia :
Materiales proporcionado por Sociedad Radiológica de América del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :