Investigadores de las universidades de Kaunas, Lituania, desarrollaron un 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%. El método se desarrolló analizando imágenes de resonancia magnética funcional obtenidas de 138 sujetos yse desempeñó mejor en términos de precisión, sensibilidad y especificidad que los métodos desarrollados anteriormente.
Según la Organización Mundial de la Salud, la enfermedad de Alzheimer es la causa más frecuente de demencia y contribuye a hasta el 70% de los casos de demencia. En todo el mundo, aproximadamente 24 millones de personas se ven afectadas y se espera que esta cifra se duplique cada 20 años. Debido aal envejecimiento de la sociedad, la enfermedad se convertirá en una costosa carga para la salud pública en los próximos años.
"Los profesionales médicos de todo el mundo intentan crear conciencia sobre un diagnóstico temprano de Alzheimer, lo que brinda a los afectados una mejor oportunidad de beneficiarse del tratamiento. Este fue uno de los aspectos más importantes para elegir un tema para el Modupe Odusami, un doctoradoestudiante de Nigeria ", dice Rytis Maskeli? nas, investigador del Departamento de Ingeniería Multimedia, Facultad de Informática, Universidad Tecnológica de Kaunas KTU, supervisor de doctorado de Odusami.
procesamiento de imágenes delegado a la máquina
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. Según la investigación anterior, la resonancia magnética funcional fMRI se puede utilizar para identificarlas regiones del cerebro que pueden estar asociadas con la aparición de la enfermedad de Alzheimer, según Maskeli? nas. Las primeras etapas de DCL a menudo casi no tienen síntomas claros, pero en bastantes casos pueden detectarse mediante neuroimágenes.
Sin embargo, aunque teóricamente posible, el análisis manual de imágenes de resonancia magnética funcional que intentan identificar los cambios asociados con la enfermedad de Alzheimer no solo requiere conocimientos específicos, sino que también requiere mucho tiempo: la aplicación del aprendizaje profundo y otros métodos de inteligencia artificial pueden acelerar esto en un tiempo significativoEncontrar características de DCL no significa necesariamente la presencia de una enfermedad, ya que también puede ser un síntoma de otras enfermedades relacionadas, pero es más un indicador y una posible ayuda para orientarse hacia una evaluación por parte de un profesional médico.
"El procesamiento de señales moderno permite delegar el procesamiento de imágenes a la máquina, lo que puede completarlo más rápido y con la suficiente precisión. Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en cualquier 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 de la computadora selecciona los casos potencialmente afectados, el especialista puede examinarlos más de cerca y al final, todos se benefician ya que el diagnóstico y el tratamiento llegan al paciente mucho más rápido ", dice Maskeli? nas, quien supervisó al equipo que trabaja en el modelo.
Necesitamos aprovechar al máximo los datos
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 sanas 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 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%, 99,95% y 99,95% para MCI temprano vs.AD, MCI tardío vs. AD y MCI vs.MCI, 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, números tan altos no son indicadores del verdadero desempeño en la vida real, pero estamostrabajar con instituciones médicas para obtener más datos ", dice Maskeli? nas.
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, presión arterial alta, etc. y notificaría al personal médico sobre las anomalíasrelacionados con la aparición temprana de la enfermedad de Alzheimer.
"Necesitamos aprovechar al máximo los datos", dice Maskeli? Nas, "por eso nuestro grupo de investigación se centra en el principio europeo de ciencia abierta, para que cualquiera pueda utilizar nuestro conocimiento y desarrollarlo más. Creo que este principio contribuye en gran medidaal avance de la sociedad ".
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 monitoreando 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.
"Las tecnologías pueden hacer que la medicina sea más accesible y barata. Aunque nunca o al menos no pronto reemplazarán verdaderamente al profesional médico, las tecnologías pueden alentar la búsqueda de diagnóstico y ayuda oportunos", dice Maskeli? Nas.
Fuente de la historia :
Materiales proporcionado por Universidad Tecnológica de Kaunas . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :