La enfermedad de Alzheimer es una de las enfermedades neurodegenerativas más comunes en todo el mundo. Los expertos han trabajado durante décadas para encontrar una manera eficaz de diagnosticar la enfermedad. Pero han enfrentado varios desafíos. Uno de los mayores problemas ha sido la falta de precisión en los diagnósticos. Puesto que muchos síntomas son similares a los de otras enfermedades relacionadas con la edad.
Sin embargo, un equipo de investigadores del Hospital General de Massachusetts (MGH) ha encontrado un método preciso para detectar la enfermedad de Alzheimer. Ellos se basaron en imágenes cerebrales clínicas recopiladas de forma rutinaria.
¿Cómo puede la IA revolucionar la detección de la enfermedad de Alzheimer?
El estudio, publicado en la revista PLOS ONE, utilizó el aprendizaje profundo, una técnica de inteligencia artificial que permite entrenar modelos con grandes cantidades de datos y algoritmos complejos. El equipo de investigadores desarrolló un modelo para la detección de la enfermedad de Alzheimer basado en datos de imágenes de resonancia magnética (IRM) cerebrales recopiladas de pacientes con y sin la enfermedad de Alzheimer que fueron atendidos en MGH antes de 2019.
Luego, los científicos probaron el modelo en cinco conjuntos de datos diferentes para evaluar su capacidad para detectar con precisión la enfermedad de Alzheimer en función de datos clínicos reales. En general, el modelo detectó el riesgo de enfermedad de Alzheimer con un 90,2 % de precisión en los cinco conjuntos de datos. Este es un gran avance en la detección temprana de la enfermedad.
Una de las principales novedades del estudio es la capacidad del modelo para detectar la enfermedad de Alzheimer independientemente de otras variables, como la edad. La enfermedad de Alzheimer generalmente se presenta en adultos mayores, lo que puede dificultar la detección en los casos más raros de inicio temprano. El equipo de investigación abordó este problema haciendo que el modelo de aprendizaje profundo fuera «ciego» a las características del cerebro que se encuentran asociadas con la edad indicada del paciente.
Otro desafío común en la detección de enfermedades, especialmente en entornos del mundo real, es tratar con datos que son muy diferentes del conjunto de entrenamiento. El modelo utilizado en este estudio usó una métrica de incertidumbre para determinar si los datos del paciente eran demasiado diferentes de lo que había sido entrenado para poder hacer una predicción exitosa.
La IA como aliada en la lucha contra el Alzheimer
Este estudio es uno de los pocos que ha utilizado resonancias magnéticas cerebrales recolectadas de forma rutinaria para intentar detectar la demencia. Si bien se han realizado muchos estudios de aprendizaje profundo para la detección del Alzheimer a partir de resonancias magnéticas cerebrales, este estudio dio pasos sustanciales para realizar esto en entornos clínicos mundiales en contraposición a entornos de laboratorio perfectos. Los resultados del estudio son un caso sólido para el uso clínico de esta tecnología de diagnóstico.
El avance en la detección de la enfermedad de Alzheimer es una noticia emocionante para el campo de la neurociencia. La capacidad de detectar con precisión la enfermedad de Alzheimer utilizando imágenes cerebrales clínicas de rutinaria tiene el potencial de revolucionar el diagnóstico temprano. Por lo tanto, mejorar significativamente la calidad de vida de aquellos que viven con la enfermedad. Con la capacidad de detectar la enfermedad en etapas tempranas, los pacientes y sus cuidadores pueden planificar mejor la atención médica y gestionar los síntomas de la enfermedad. Además, el modelo podría utilizarse para guiar la investigación futura sobre la enfermedad y ayudar a desarrollar tratamientos más efectivos.
Referencias:
Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham: https://doi.org/10.1371/journal.pone.0277572
