Enfermedades Resto del Mundo Salud Tecnología en la salud

El algoritmo puede predecir la posible enfermedad de Alzheimer con una precisión de casi el 100 por ciento

El algoritmo desarrollado por investigadores lituanos puede predecir un posible Alzheimer con casi un 100% de precisión
Prof. Rytis Maskeliūnas, Facultad de Informática de KTU. Crédito: Universidad Tecnológica de Kaunas

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 por ciento. 


por la Universidad Tecnológica de Kaunas


El método se desarrolló analizando imágenes de resonancia magnética funcional obtenidas de 138 sujetos y se 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 por ciento de los casos de demencia. En todo el mundo, aproximadamente 24 millones de personas se ven afectadas y se espera que este número se duplique cada 20 años. Debido al 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 Ph.D . estudiante de Nigeria «, dice Rytis Maskeliūnas, investigador del Departamento de Ingeniería Multimedia, Facultad de Informática, Universidad Tecnológica de Kaunas (KTU), Ph.D. de Odusami. supervisor.

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 identificar las regiones del cerebro que pueden estar asociadas con la aparición de la enfermedad de Alzheimer, según Maskeliūnas. Las primeras etapas de DCL a menudo casi no tienen síntomas claros, pero en bastantes casos pueden detectarse mediante neuroimágenes.

Sin embargo, aunque teóricamente es posible, el análisis manual de imágenes de resonancia magnética funcional que intentan identificar los cambios asociados con la enfermedad de Alzheimer no solo requiere un conocimiento específico, sino que también requiere mucho tiempo: la aplicación del aprendizaje profundo y otros métodos de inteligencia artificial puede acelerar esto por un margen de tiempo significativo. Encontrar 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, que puede completarlo con la suficiente rapidez y precisión. Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un 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 informático 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 Maskeliūnas, 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 dividieron en seis categorías diferentes: desde saludables 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 frente a AD, MCI tardío frente a AD y MCI frente a MCI temprano, 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 estamos trabajando con instituciones médicas para obtener más datos «, dice Maskeliūnas.

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 arterial, etc.) y notificaría al personal médico sobre las anomalías relacionadas con la aparición temprana de la enfermedad de Alzheimer.

«Necesitamos aprovechar al máximo los datos», dice Maskeliūnas, «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 al avance de la sociedad. «

El investigador jefe, 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 monitorear el seguimiento de los movimientos oculares, la lectura de rostros, el análisis de voz, etc. Dicha tecnología podría usarse para autocontrol y alerta para buscar asesoramiento profesional si algo es motivo de preocupación.

«Las tecnologías pueden hacer que la medicina sea más accesible y más barata. Aunque nunca (o al menos no pronto) reemplazarán realmente al profesional médico, las tecnologías pueden alentar la búsqueda de ayuda y diagnóstico oportunos», dice Maskeliūnas.



WP Twitter Auto Publish Powered By : XYZScripts.com