Una herramienta de inteligencia artificial que se enseña para analizar las exploraciones cerebrales puede predecir con precisión la enfermedad de Alzheimer varios años antes de un diagnóstico.
¿Qué encontrarás aquí?
Tomografía por emisión de positrones (PET)
Los investigadores utilizaron tomografía por emisión de positrones (PET) para entrenar un algoritmo de aprendizaje profundo para predecir los signos de la enfermedad de Alzheimer.
El equipo responsable sugiere que, después de una nueva validación, la herramienta podría ayudar en gran medida a la detección temprana de la enfermedad de Alzheimer, dando tiempo a los tratamientos para retardar la enfermedad con mayor eficacia.
Los investigadores, de la Universidad de California en San Francisco, utilizaron imágenes de tomografía por emisión de positrones (PET) de 1.002 cerebros de personas para entrenar el algoritmo de aprendizaje profundo.
Usaron el 90 por ciento de las imágenes para enseñar al algoritmo cómo detectar las características de la enfermedad de Alzheimer y el 10 por ciento restante para verificar su desempeño.
Luego probaron el algoritmo en imágenes PET de los cerebros de otras 40 personas. De estos, el algoritmo predijo con precisión qué individuos recibirían un diagnóstico final de la enfermedad de Alzheimer. En promedio, el diagnóstico se produjo más de 6 años después de las exploraciones.
En un artículo sobre los hallazgos, publicado recientemente por la revista Radiology, el equipo describe cómo el algoritmo «alcanzó una especificidad del 82 por ciento con una sensibilidad del 100 por ciento, un promedio de 75.8 meses antes del diagnóstico final».
«Nos sentimos muy complacidos», dice el coautor Dr. Jae Ho Sohn, que trabaja en el departamento de radiología e imagen biomédica de la universidad, «con el rendimiento del algoritmo».
«Fue capaz de predecir cada caso que avanzó a la enfermedad de Alzheimer», agrega.
Enfermedad de Alzheimer e imágenes PET
Un diagnóstico más temprano y preciso no solo beneficiaría a los afectados, sino que también podría ahorrar muchos millones en atención médica y costos relacionados a lo largo del tiempo.
A medida que avanza la enfermedad de Alzheimer, cambia la forma en que las células del cerebro utilizan la glucosa. Esta alteración en el metabolismo de la glucosa se manifiesta en un tipo de imagen PET que rastrea la captación de una forma radiactiva de glucosa llamada 18F-fluorodeoxiglucosa (FDG).
Al dar instrucciones sobre qué buscar, los científicos pudieron entrenar el algoritmo de aprendizaje profundo para evaluar las imágenes PET con FDG para detectar signos tempranos de Alzheimer.
El aprendizaje profundo «se enseña a sí mismo»
Los investigadores enseñaron el algoritmo con la ayuda de más de 2,109 imágenes FDG PET de 1,002 cerebros de individuos. También utilizaron otros datos de la Iniciativa de neuroimagen de la enfermedad de Alzheimer.
El algoritmo utilizó el aprendizaje profundo, un tipo complejo de inteligencia artificial que implica aprender a través de ejemplos, de manera similar a como aprenden los humanos.
El aprendizaje profundo permite que el algoritmo se «enseñe a sí mismo» qué buscar al detectar diferencias sutiles entre las miles de imágenes.
El algoritmo fue tan bueno, si no mejor, que los expertos humanos en el análisis de las imágenes de PET con FDG.
Los autores señalan que «en comparación con los lectores de radiología, el modelo de aprendizaje profundo se desempeñó mejor, con significación estadística, al reconocer a los pacientes que tendrían un diagnóstico clínico de enfermedad de Alzheimer».
Futuros desarrollos
El Dr. Sohn advierte que el estudio fue pequeño y que los hallazgos ahora deben someterse a una validación. Esto implicará el uso de conjuntos de datos más grandes y más imágenes tomadas a lo largo del tiempo de personas en diversas clínicas e instituciones.
En el futuro, el algoritmo podría ser una adición útil a la caja de herramientas del radiólogo y mejorar las oportunidades para el tratamiento temprano de la enfermedad de Alzheimer.
Los investigadores también planean incluir otros tipos de reconocimiento de patrones en el algoritmo.
El cambio en el metabolismo de la glucosa no es la única característica del Alzheimer, explica el coautor del estudio Youngho Seo, profesor en el Departamento de Radiología e Imagen Biomédica. La acumulación anormal de proteínas también caracteriza la enfermedad, añade.
» Si la FDG PET con inteligencia artificial puede predecir la enfermedad de Alzheimer tan pronto, la imagen de PET de la placa beta-amiloide y de la proteína tau puede agregar otra dimensión de poder predictivo importante».
Prof. Youngho Seo
[expand title=»Referencias«]
- Acceso libre Neuroradiología Un modelo de aprendizaje profundo para predecir un diagnóstico de enfermedad de Alzheimer mediante el uso de la PET con 18F-FDG del cerebro https://pubs.rsna.org/doi/10.1148/radiol.2018180958
[/expand]
