Subscribe Us

TECNOLOGÍA. La inteligencia artificial predice el riesgo futuro de Alzheimer con un 99 por ciento de precisión

 

El algoritmo desarrollado por investigadores lituanos puede predecir la posible enfermedad de Alzheimer con una precisión de casi el 100%   -   Copyright   Kaunas university of technology

Investigadores en Lituania han desarrollado un método basado en el aprendizaje profundo que puede predecir la posible aparición de la enfermedad de Alzheimer con más del 99 por ciento de precisión. El método utiliza inteligencia artificial y aprendizaje profundo para analizar imágenes cerebrales. Es más rápido que el análisis manual, que también requiere un conocimiento específico de los cambios asociados con el Alzheimer.

Investigadores de la Universidad Tecnológica de Kaunas (KTU) en Lituania desarrollaron el método mientras analizaban imágenes de resonancia magnética funcional obtenidas de 138 sujetos. Descubrieron que funcionaba mejor en términos de precisión, sensibilidad y especificidad que los métodos desarrollados anteriormente.

El sistema de inteligencia artificial (IA) desarrollado puede identificar los primeros marcadores de la enfermedad de Alzheimer (EA) con más del 99 por ciento de precisión. Al evaluar los escáneres cerebrales de los adultos mayores, el algoritmo puede detectar cambios sutiles que a menudo ocurren antes del diagnóstico, lo que permite a los médicos brindar un tratamiento temprano a las personas de alto riesgo.

En la revista Diagnostics , los autores del estudio explican cómo su IA reconoce con éxito los signos de deterioro cognitivo leve (DCL), considerado una etapa intermedia entre el deterioro cognitivo esperado asociado con el envejecimiento normal y la EA. 

Si bien el DCL por lo general no produce síntomas perceptibles, está relacionado con cambios en ciertas regiones del cerebro que se pueden detectar en las exploraciones de imágenes de resonancia magnética funcional (fMRI). Sin embargo, la búsqueda manual de estos cambios puede ser complicada y los médicos no siempre los detectan cuando examinan las exploraciones. 

Al reutilizar una red neuronal existente llamada ResNet18, los investigadores crearon un modelo de IA capaz de identificar DCL con mayor confiabilidad.

"El procesamiento de señales moderno permite delegar el procesamiento de imágenes a la máquina, lo que puede completarlo con la suficiente rapidez y precisión", explicó el autor del estudio, Rytis Maskeliūnas, en un comunicado . "Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al cien por cien".

Para crear su IA, los investigadores entrenaron la red neuronal en 51,443 escáneres cerebrales de 138 personas. Estas imágenes se dividieron en seis categorías distintas, que van desde cerebros sanos hasta varios grados de DCL y EA en toda regla. Luego, se utilizaron otras 27.310 imágenes para validar el algoritmo, que pudo identificar el DCL temprano con una precisión del 99,99 por ciento y el MCI tardío con una precisión del 99,95 por ciento.

"El modelo propuesto funcionó mejor que otros modelos conocidos en términos de precisión, sensibilidad y especificidad", escriben los autores, agregando que su sistema es "más confiable y preciso" que las herramientas de diagnóstico existentes para el riesgo futuro de Alzheimer.


El algoritmo desarrollado por investigadores lituanos puede predecir la posible enfermedad de Alzheimer con una precisión de casi el 100%   -   Copyright   Kaunas university of technology


Es importante destacar que los investigadores enfatizan que la DCL no siempre conduce a la EA y que las personas que muestran signos de estos cambios cerebrales no necesariamente desarrollan la enfermedad. Sin embargo, la identificación de DCL mejora la capacidad de los profesionales de la salud para evaluar el riesgo de un paciente de Alzheimer, lo que potencialmente permite una detección e intervención más tempranas.

Al describir cómo se podría usar el algoritmo en la práctica, Maskeliūnas explicó que “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".

Más información: Modupe Odusami, Rytis Maskeliūnas, Robertas Damaševičius, Tomas Krilavičius. Analysis of Features of Alzheimer’s Disease: Detection of Early Stage from Functional Brain Changes in Magnetic Resonance Images Using a Finetuned ResNet18 Network. Diagnostics, 2021; 11 (6): 1071 DOI: 10.3390/diagnostics11061071

Publicar un comentario

0 Comentarios