Predicción de una posible enfermedad de Alzheimer con casi el 100% de precisión

0 0


Investigadores de las universidades de Kaunas, Lituania, han desarrollado 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 superior al 99%. El método se desarrolló durante el análisis de imágenes de resonancia magnética funcional obtenidas de 138 sujetos y logró mejores resultados 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, contribuyendo hasta en un 70% de los casos de demencia. Alrededor de 24 millones de personas se ven afectadas en todo el mundo y se espera que este número se duplique cada 20 años. A medida que la sociedad envejece, la enfermedad se convertirá en una carga para la salud pública en los próximos años.

«Los profesionales médicos de todo el mundo intentan concienciar al público sobre un diagnóstico precoz de la enfermedad de Alzheimer, lo que brinda a los pacientes más oportunidades de beneficiarse del tratamiento. Este fue uno de los temas más importantes para elegir un tema para Modupe Odusami, estudiante de doctorado de Nigeria. «, dice Rytis Maskeli? nas, investigador del Departamento de Ingeniería Multimedia, Facultad de Ciencias de la Computación, Universidad Tecnológica de Kaunas (KTU), supervisor del doctorado de Odusami.

Procesamiento de imágenes delegado a la máquina

Uno de los posibles primeros signos 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 una investigación anterior, la resonancia magnética funcional (fMRI) se puede utilizar para identificar las 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 no tienen síntomas claros, pero en algunos casos pueden detectarse mediante neuroimágenes.

Sin embargo, aunque teóricamente posible, el análisis manual de imágenes de resonancia magnética funcional que intentan identificar cambios asociados con la enfermedad de Alzheimer no solo requiere un conocimiento específico, sino que también lleva tiempo: la aplicación del aprendizaje profundo y otros métodos de inteligencia artificial pueden acelerar esto con una cantidad significativa de tiempo. . Encontrar las 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 la evaluación de un médico.

«El procesamiento de señales moderno hace posible delegar el procesamiento de imágenes a la máquina, que puede completarlo con bastante rapidez y precisión. Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al cien por cien. Una máquina como un robot capaz de realizar la tarea más tediosa de ordenar datos y buscar características, en este escenario, una vez que el algoritmo informático ha seleccionado los casos potencialmente afectados, el especialista puede examinarlos más de cerca y, al final, todos los beneficios como diagnóstico y el tratamiento llega 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 de aprendizaje profundo se desarrolló como una fructífera colaboración de los principales investigadores lituanos en el campo de la inteligencia artificial, utilizando una modificación de la conocida ResNet 18 (red neuronal residual) para clasificar las imágenes de resonancia magnética funcional obtenidas de 138 sujetos. Las imágenes se dividieron en seis categorías diferentes: desde el espectro de deterioro cognitivo (DCL) sano a leve 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 calificación del 99,99%, 99,95% y 99,95% para MCI temprano versus AD, MCI tardío en comparación con AD y MCI en comparación con MCI temprano, respectivamente.

«Si bien este no fue el primer intento de diagnosticar la aparición temprana de la enfermedad de Alzheimer a partir de datos similares, nuestro principal hallazgo es la precisión del algoritmo. Obviamente, números tan altos no son indicadores reales del desempeño en la vida real. instituciones 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, hipertensión, etc.) y notificaría al personal médico de las anomalías relacionadas. 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 aún más. Creo que este principio contribuye en gran medida. a la empresa de promoción «.

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, por ejemplo, también monitorear el movimiento ocular. seguimiento, lectura de rostros, análisis del habla, etc. Luego, dicha tecnología podría usarse para el autocontrol y la advertencia para buscar asesoramiento profesional si algo causa preocupación.

«Las tecnologías pueden hacer que la medicina sea más accesible y barata. Si bien nunca (o al menos no pronto) reemplazarán verdaderamente al médico, las tecnologías pueden alentar la búsqueda de un diagnóstico y una ayuda oportunos», dice Maskeli? Nas.

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