La inteligencia artificial consigue anticipar si tendrás alzhéimer

El alzhéimer es escurridizo en su diagnóstico y tratamiento. Sin embargo, cada vez se cuentan con mejores técnicas de imagen que retratan a esta enfermedad que es capaz de cambiar la morfología del cerebro. Por desgracia, muchas veces, demasiado tarde. Si se entrena a una máquina para que detecte esos pequeños cambios en las fotos cerebrales se puede anticipar el diagnóstico y retrasar sus efectos. Eso es en lo que trabajan en el Departamento de Imagen Biomédica de la Universidad de California-San Francisco (EE.UU.). En concreto, acaban de conseguir que una inteligencia artificial reconozca cambios en el metabolismo cerebral que resultan a veces desapercibidos al ojo humano.

La investigación ha relacionado el proceso de la enfermedad con los cambios, precisamente, en el metabolismo. Es el caso de la captación de glucosa en ciertas regiones del cerebro, un típico rasgo de cerebro enfermo; pero estos cambios pueden ser difíciles de reconocer.

"Las diferencias en el patrón de captación de glucosa en el cerebro son muy sutiles y difusas", afirma el coautor del estudio Jae Ho Sohn (@sohn522). "Las personas son buenas para encontrar biomarcadores específicos de enfermedades, pero los cambios metabólicos representan un proceso más global y sutil". El autor principal del estudio, Benjamin Franc, se acercó al doctor Sohn y se unieron a sus colegas de Berkeley. Allí hablaron con Yiming Ding a través del grupo de investigación de Big Data en Radiología (BDRAD). Franc estaba interesado en aplicar el aprendizaje profundo para encontrar cambios en el metabolismo cerebral predictivo de la enfermedad de Alzheimer.

Más de 2.000 imágenes para aprender

Los investigadores entrenaron el algoritmo de aprendizaje en imágenes de PET en pacientes a los que se había inyectado una especie de glucosa radiactiva.. En una exploración de FDG- Las tomografías PET pueden medir la captación de esa sustancia en las células del cerebro, un indicador de la actividad metabólica.

La IA es capaz de distinguir entre varias imágenes aquella de quien desarrollará alzhéimer a partir de ligerísimas diferencias. M.V. / UCSF

Los investigadores tuvieron acceso a los datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI, por sus siglas en inglés), un importante estudio en varios sitios que se centra en ensayos clínicos para mejorar la prevención y el tratamiento de esta enfermedad. El conjunto de datos de ADNI incluyó más de 2.100 imágenes cerebrales de FDG-PET de 1.002 pacientes. Los investigadores entrenaron el algoritmo de aprendizaje profundo en el 90% del conjunto de datos y luego lo probaron en el 10% restante del conjunto de datos. La inteligencia artificial, tras haber visto el grueso de los datos, acertó con aquellos que no había conocido y dio un diagnóstico certero.

La IA dio anticipó hasta en 6 años el diagnóstico definitivo de alzhéimer

Finalmente, los investigadores probaron el algoritmo en un conjunto independiente de 40 exámenes de imágenes de 40 pacientes que nunca había estudiado. El algoritmo logró un éxito del 100% para detectar la enfermedad hasta seis años antes del diagnóstico final hecho por humanos.

"Estamos muy satisfechos con el rendimiento del algoritmo", dice Sohn. "Fue capaz de predecir cada caso en que avanzó a la enfermedad de Alzheimer". Aunque advirtió que su conjunto de pruebas independientes era pequeño y necesita una validación adicional con un estudio prospectivo multiinstitucional más amplio, el algoritmo podría ser una herramienta útil para complementar el trabajo de los radiólogos, especialmente en conjunto con otros productos bioquímicos y pruebas de imagen.

"Si diagnosticamos la enfermedad de Alzheimer cuando todos los síntomas se han manifestado, la pérdida de volumen cerebral es tan importante que es demasiado tarde para intervenir", afirma. "Si podemos detectarlo antes, es una oportunidad para que los investigadores encuentren formas mejores de frenar o incluso detener el proceso de la enfermedad".

Las direcciones de investigación futuras incluyen entrenar el algoritmo de aprendizaje profundo para buscar patrones asociados con la acumulación de proteínas beta-amiloides y de proteínas anormales en el cerebro que son marcadores específicos del alzhéimer.