EUROPA
PRESS
7 noviembre
2018
La
inteligencia artificial predice el Alzheimer años antes del diagnóstico
La tecnología de inteligencia
artificial (IA) mejora la capacidad de las imágenes cerebrales para predecir la
enfermedad de Alzheimer, según un estudio publicado en la revista 'Radiology'. El diagnóstico oportuno de la enfermedad de
Alzheimer es extremadamente importante, ya que los tratamientos e
intervenciones son más efectivos al principio de la enfermedad.
Sin embargo, el diagnóstico temprano ha demostrado ser un
reto. La investigación ha relacionado el proceso de la enfermedad con los
cambios en el metabolismo, como lo demuestra la captación de glucosa en ciertas
regiones del cerebro, pero estos cambios pueden ser difíciles de reconocer.
"Las diferencias en el patrón de captación de la
glucosa en el cerebro son muy sutiles y difusas", dice el coautor del
estudio Jae Ho Sohn, del
Departamento de Radiología e Imágenes Biomédicas de la Universidad de
California en San Francisco (UCSF, por sus siglas en inglés), en Estados
Unidos. "Las personas son buenas para encontrar biomarcadores
específicos de enfermedades, pero los cambios metabólicos representan un
proceso más global y sutil", añade.
El autor principal del estudio, Benjamin Franc,
de la UCSF, se acercó al doctor Sohn y el estudiante
de pregrado de la Universidad de California, Berkeley, Yiming
Ding, a través del grupo de investigación de 'Big Data in Radiology'
(BDRAD), un equipo multidisciplinario de médicos e ingenieros que centrados en
la Ciencia de Datos en Radiología. El doctor Franc
estaba interesado en aplicar el aprendizaje profundo, un tipo de IA en el que
las máquinas aprenden con el ejemplo, al igual que los humanos, para encontrar
cambios en el metabolismo cerebral predictivo de la patología de Alzheimer.
Los científicos entrenaron el algoritmo de aprendizaje
profundo en una tecnología de imagen especial conocida como tomografía por
emisión de positrones con 18-F-fluorodeoxiglucosa
(FDG-PET). En una exploración de FDG-PET, FDG, se inyecta en la sangre un
compuesto de glucosa radiactivo. Las tomografías PET pueden medir la captación
de FDG en las células del cerebro, un indicador de la actividad metabólica.
Una herramienta
para complementar el trabajo de los radiólogos
Los científicos tuvieron acceso a los datos de la Iniciativa
de Neuroimagen de la Enfermedad de Alzheimer (ADNI, por sus siglas en inglés),
un importante estudio de varios sitios centrado 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 por ciento del conjunto de datos y luego lo probaron en el 10
por ciento restante del conjunto de datos. A través del aprendizaje profundo,
el algoritmo pudo enseñarse a sí mismo patrones metabólicos que correspondían a
la enfermedad de Alzheimer.
Finalmente, los autores de este trabajo probaron el
algoritmo en un conjunto independiente de 40 exámenes de imágenes de 40
pacientes que nunca había estudiado. El algoritmo logró una sensibilidad del
100 por ciento para detectar la enfermedad un promedio de más de seis años
antes del diagnóstico final. "Estamos muy satisfechos con el rendimiento
del algoritmo, afirma el doctor Sohn. Fue capaz de
predecir cada caso que avanzó a la enfermedad de Alzheimer".
Aunque advierte que su conjunto de pruebas independientes
era pequeño y necesita una validación adicional con un estudio prospectivo multiinstitucional más amplio, el doctor Sohn dice que 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, a la hora de proporcionar una
oportunidad para la intervención terapéutica temprana.
"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".
La investigación futura debe dirigirse a entrenar el
algoritmo de aprendizaje profundo para buscar patrones asociados con la
acumulación de proteínas beta-amiloides y tau, grupos
de proteínas anormales y ovillos en el cerebro que son marcadores específicos
de la enfermedad de Alzheimer, según Youngho Seo, de UCSF, quien fue uno de de los asesores del estudio.
"Si la FDG-PET con IA puede predecir la enfermedad de Alzheimer tan
pronto, la imagen de PET de la placa beta-amiloide y
de la proteína tau puede añadir otra dimensión de poder predictivo
importante", concluye.