Conseguir detectar las primeras señales del alzhéimer se ha convertido en uno de los principales desafíos de la medicina y podría cambiar de forma radical la progresión de esta enfermedad neurodegenerativa. En un trabajo publicado en la revista Radiology, el equipo de Benjamin Franc, de la Universidad de Berkeley, presenta este martes una estrategia basada en la Inteligencia Artificial y el aprendizaje profundo (deep learning) que permite detectar qué cerebros desarrollarán este mal con años de antelación.
“El algoritmo fue capaz de predecir todos y cada uno de los casos que después desembocaron en alzhéimer”
Una de las vías para anticipar la presencia de la enfermedad es estudiar el metabolismo del cerebro y la manera en que determinadas regiones consumen glucosa, pero se trata de cambios muy sutiles muy difíciles de reconocer. Para vencer esta dificultad, Franc y su equipo diseñaron un algoritmo capaz de analizar y aprender de las imágenes de un tipo especial de tomografÍa de positones (PET) y a reconocer la 18F-fluorodesoxiglucosa, un tipo concreto de glucosa que es un buen indicador de la actividad metabólica.
Para entrenar al algoritmo, el equipo le proporcionó una base de datos con 2100 tomografías de más de 1000 pacientes y al cabo de unos días este aprendió a distinguir aquellos que tenían la enfermedad de Alzheimer. Tras las pruebas iniciales, el equipo sometió al algoritmo un paquete de 40 neuroimágenes de pacientes que nunca habían sido estudiadas para conocer su pronóstico. El resultado es que la Inteligencia Artificial detectó con un 100 por 100 de acierto la aparición de los signos de la enfermedad seis años antes de que fueran diagnosticados. “Estamos muy satisfechos con la actuación del algoritmo”, asegura Jae Ho Sohn, coautor del artículo. “Fue capaz de predecir todos y cada uno de los casos que después desembocaron en alzhéimer”.
Sería una herramienta útil para los médicos junto con otras pruebas biológicas y de neuroimagen
Aunque los autores advierten de que aún necesitan hacer más pruebas y validaciones de su sistema, confían en que el algoritmo sea una herramienta útil para los radiólogos y médicos junto con otras pruebas biológicas y de neuroimagen. “Si diagnosticamos la enfermedad de Alzheimer cuando todos los síntomas se han manifestado, la pérdida de volumen del cerebro es tan significaba que es demasiado tarde para intervenir”, asegura Sohn. “Si podemos detectarlo antes, es una oportunidad para los investigadores para hallar potencialmente mejores vías de ralentizar e incluso detener el avance de la enfermedad”. Su intención ahora es entrenar al algoritmo para que aprenda a diferenciar las placas de beta amiloides y proteínas tau que se acumulan en el cerebro de estos pacientes.
Referencia: A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease Using 18F-FDG PET of the Brain (Radiology)
