El software de autoaprendizaje podría ayudar a detectar la aterosclerosis en una etapa temprana – ScienceDaily

0


Investigadores de la Universidad y la Universidad de Bonn han desarrollado un método que podría usarse para diagnosticar la aterosclerosis. Usando un software de autoaprendizaje, pudieron identificar cambios vasculares en pacientes con enfermedad arterial periférica (EAP), a menudo en una etapa temprana. Aunque estas primeras etapas aún no causan síntomas, todavía están asociadas con una mayor mortalidad. El algoritmo usó fotos de un órgano que normalmente no está asociado con el PAD: el ojo. Los resultados ya se han publicado en la revista Informes científicos.

Los poetas ven los ojos como una ventana al alma. Pero más prosaicamente, también podrían llamarse ventanas de nuestros barcos. La parte posterior del ojo está muy bien provista de sangre. Tiene que ser para que los más de 100 millones de fotorreceptores en la retina y las células nerviosas conectadas a ellos puedan hacer su trabajo. Al mismo tiempo, las arterias y venas se pueden ver y fotografiar a través de la pupila sin mucho esfuerzo.

Puede ser posible detectar los primeros signos de aterosclerosis (endurecimiento de las arterias) con dicho examen en el futuro. En este caso, los procesos de remodelación crónicos conducen al estrechamiento de los vasos y al endurecimiento de las arterias afectadas. Es la principal causa de infarto de miocardio y accidente cerebrovascular, las causas más frecuentes de muerte en los países industrializados occidentales, así como de enfermedad arterial periférica (EAP).

Más de cuatro millones de personas en este país sufren de PAD. «Debido a que generalmente no causa ningún síntoma en los primeros años, el diagnóstico a menudo solo se realiza cuando ya se ha producido un daño secundario», explica el Dr. Nadjib Schahab, jefe de la sección de angiología y uno de los autores del estudio. «Las consecuencias pueden ser dramáticas. A largo plazo, los problemas circulatorios progresivos en las piernas y los brazos también pueden conducir a la amputación. Además, el riesgo de sufrir un ataque al corazón o un derrame cerebral fatal aumenta significativamente, incluso en las primeras etapas de la enfermedad».

Por lo tanto, el diagnóstico precoz es muy importante para poder tratar a los afectados a tiempo. El proyecto interdisciplinario del Departamento de Ciencias de la Computación de la Universidad de Bonn y el Departamento de Oftalmología y el Centro Cardíaco del Hospital Universitario de Bonn comienza allí mismo. «Fotografiamos 97 ojos de mujeres y hombres que padecían EAP», explica el Dr. Maximilian Wintergerst, del Hospital Oftalmológico Universitario de Bonn. «En más de la mitad de ellos, la enfermedad todavía estaba en una etapa en la que no causaba síntomas». Además, el equipo tomó imágenes de cámara de fondo de 34 ojos de sujetos de control sanos.

La red neuronal detecta cambios vasculares tempranos

Luego usaron las imágenes para impulsar una red neuronal convolucional (CNN). Este es un software modelado en el cerebro humano en la forma en que funciona. Si una CNN de este tipo se entrena con fotos cuyo contenido es conocido por la computadora, puede reconocer posteriormente el contenido de fotos desconocidas. Sin embargo, para que esto funcione con suficiente certeza, normalmente se necesitan varias decenas de miles de fotos de entrenamiento, muchas más de las que están disponibles en el estudio.

«Por lo tanto, primero nos entrenamos previamente con otra enfermedad que ataca los vasos sanguíneos del ojo», explica el Prof. Dr. Thomas Schultz del Centro Internacional de Tecnología de la Información de Bonn-Aachen (b-it) y el Instituto de Ciencias de la Computación II en la Universidad de Bonn. Para ello, los investigadores utilizaron un conjunto de datos de más de 80.000 fotos adicionales. ‘En cierto modo, el algoritmo aprende de ellos a qué prestar especial atención’, dice Schultz, quien también es miembro de las áreas de investigación transdisciplinaria ‘Modelado’ y ‘Vida y Salud’ de la Universidad de Bonn. Por lo tanto, también hablamos de transferencia de aprendizaje”.

CNN entrenada de esta manera pudo diagnosticar con notable precisión si las fotos de los ojos eran de un paciente con EAP o de una persona sana. «Un buen 80 por ciento de todas las personas afectadas han sido identificadas correctamente, si tenemos en cuenta el 20 por ciento de falsos positivos: individuos sanos que el algoritmo clasificó erróneamente como enfermos», explica Schultz. «Es sorprendente, porque incluso los oftalmólogos capacitados no pueden detectar la EAP mediante imágenes de fondo de ojo».

En un análisis posterior, los investigadores pudieron demostrar que la red neuronal presta especial atención a los grandes vasos en la parte posterior del ojo durante su evaluación. Sin embargo, para obtener el mejor resultado posible, el método requería imágenes digitales con una resolución suficientemente alta. «Muchas CNN trabajan con fotos de muy baja resolución», dice Schultz. «Esto es suficiente para detectar cambios importantes. Para nuestra clasificación de PAD, por otro lado, necesitamos una resolución en la que los detalles de las estructuras vasculares permanezcan distinguibles».

Los investigadores esperan mejorar aún más el rendimiento de su método en el futuro. Para ello, tienen previsto colaborar con centros de oftalmología y medicina vascular de todo el mundo que les proporcionarán imágenes de fondo de ojo adicionales de los afectados. El objetivo a largo plazo es desarrollar un método de diagnóstico sencillo, rápido y fiable que no requiera procedimientos concomitantes como la administración de colirios.

Fuente de la historia:

Materiales proporcionados por Universidad de Bonn. Nota: El contenido se puede cambiar por estilo y longitud.

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More