Alzheimer: la inteligencia artificial predice la aparición
Una herramienta de inteligencia artificial que se enseña a analizar escáneres cerebrales puede predecir con precisión la enfermedad de Alzheimer varios años antes de un diagnóstico final.
El equipo responsable sugiere que, después de una validación adicional, la herramienta podría ayudar en gran medida a la detección temprana de la enfermedad de Alzheimer, dando tiempo a los tratamientos para ralentizar la enfermedad de manera más efectiva.
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.
Utilizaron 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. A partir de estos, el algoritmo predijo con precisión qué individuos recibirían un diagnóstico final de Alzheimer. En promedio, el diagnóstico se produjo más de 6 años después de las exploraciones.
En un artículo sobre los hallazgos, que el Radiología publicado recientemente, el equipo describe cómo el algoritmo "logró una especificidad del 82 por ciento con una sensibilidad del 100 por ciento, un promedio de 75,8 meses antes del diagnóstico final".
"Estamos muy contentos", dice el coautor, el Dr.Jae Ho Sohn, que trabaja en el departamento de radiología e imágenes biomédicas 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 por PET
La Asociación de Alzheimer estima que alrededor de 5,7 millones de personas viven con la enfermedad de Alzheimer en los Estados Unidos y es probable que esta cifra aumente a casi 14 millones en 2050.
Un diagnóstico más temprano y preciso no solo beneficiaría a los afectados, sino que también podría ahorrar colectivamente alrededor de $ 7,9 billones 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 cerebrales utilizan la glucosa. Esta alteración en el metabolismo de la glucosa se muestra en un tipo de imagenología PET que rastrea la captación de una forma radiactiva de glucosa llamada 18F-fluorodesoxiglucosa (FDG).
Al dar instrucciones sobre qué buscar, los científicos pudieron entrenar el algoritmo de aprendizaje profundo para evaluar las imágenes de PET con FDG en busca de signos tempranos de la enfermedad de Alzheimer.
El aprendizaje profundo "se enseña a sí mismo"
Los investigadores enseñaron el algoritmo con la ayuda de más de 2.109 imágenes de PET con FDG de 1.002 cerebros de personas. 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 cómo 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 era tan bueno, si no mejor, que los expertos humanos en el análisis de imágenes 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, en el reconocimiento de pacientes que pasarían a tener 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 validación. Esto implicará el uso de conjuntos de datos más grandes y más imágenes tomadas a lo largo del tiempo de personas en varias 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 el único sello distintivo del Alzheimer, explica el coautor del estudio, Youngho Seo, profesor del Departamento de Radiología e Imágenes Biomédicas. La acumulación anormal de proteínas también caracteriza la enfermedad, agrega.
"Si la PET con FDG con [inteligencia artificial] puede predecir la enfermedad de Alzheimer en esta etapa temprana, las imágenes de la PET con placa beta-amiloide y proteína tau posiblemente pueden agregar otra dimensión de poder predictivo importante".
Prof. Youngho Seo
