Sábado, 17 Agosto 2019

¿Cómo funciona la inteligencia artificial capaz de detectar el Alzheimer seis años antes de un diagnóstico clínico?

Ratio: 0 / 5

Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

 

 

¿Cómo funciona la inteligencia artificial capaz de detectar el Alzheimer seis años antes de un diagnóstico clínico?

 

 

Un diagnóstico temprano del Alzheimer puede lograrse con un algoritmo de aprendizaje automático y un escáner cerebral común, según investigadores de Universidad de San Francisco California.

 

 

De acuerdo con información difundida por la mencionada casa de estudios, la detección del Alzheimer se puede llevar a cabo seis años antes de que se haga por medio de un diagnóstico clínico, lo que podría dar a los médicos la oportunidad de intervenir con el tratamiento de manera oportuna.

 

 

Aunque no existe una cura para la enfermedad, han surgido medicamentos prometedores en los últimos años que pueden ayudar a detener la progresión de la enfermedad. Sin embargo, estos tratamientos deben administrarse temprano en el curso de la enfermedad para tener el efecto esperado.

 

 

Esta carrera contra el reloj ha inspirado a los científicos a buscar formas de diagnosticar la enfermedad antes.

 

 

 

“Una de las dificultades con la enfermedad es que cuando se manifiestan todos los síntomas clínicos y se puede hacer un diagnóstico definitivo, ya han muerto demasiadas neuronas, por lo que es esencialmente irreversible”, dice Jae Ho Sohn, médico residente en la Universidad de San Francisco.

 

 

El estudio combinó la neuroimagen con el aprendizaje automático para tratar de predecir si un paciente desarrollaría o no la enfermedad deAlzheimer. 

 

Según expertos, el mejor momento para intervenir es cuando se presenta por primera vez un deterioro de la memoria.

 

 

 

Las tomografías por emisión de positrones (PET por sus siglas en inglés), que miden los niveles de moléculas como la glucosa en el cerebro, podrían ser una herramienta para diagnosticar la enfermedad antes de que los síntomas se vuelvan graves.

 

 

La glucosa es la principal fuente de combustible para las células del cerebro, y cuanto más activa es una célula, más glucosa utiliza. A medida que las células cerebrales se enferman y mueren, usan menos y, eventualmente, no contienen glucosa.

 

 

Otros tipos de tomografías PET buscan proteínas relacionadas específicamente con la enfermedad de Alzheimer, pero las tomografías PET con glucosa son mucho más comunes y baratas, especialmente en hospitales pequeños y en países en desarrollo, porque también se usan para la estadificación del cáncer.

 

 

Los radiólogos han utilizado estas exploraciones para tratar de detectar la enfermedad de Alzheimer buscando niveles reducidos de glucosa en todo el cerebro, especialmente en los lóbulos frontal y parietal del cerebro. 

 

 

Sin embargo, debido a que la enfermedad es un trastorno progresivo lento, los cambios en la glucosa son muy sutiles y muy difíciles de detectar a simple vista.

 

 

 

Para resolver este problema, Sohn aplicó un algoritmo de aprendizaje automático a las tomografías PET.

 

 

“Esta es una aplicación ideal de aprendizaje profundo porque es particularmente fuerte para encontrar procesos muy sutiles pero difusos. Los radiólogos humanos son realmente fuertes en la identificación de pequeños hallazgos focales como un tumor cerebral, pero luchamos para detectar cambios globales más lentos”, refiere el experto.

 

 

Para entrenar el algoritmo, Sohn alimentó imágenes de la Iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI), un conjunto de datos público masivo de tomografías PET de pacientes que finalmente fueron diagnosticados con enfermedad de Alzheimer, deterioro cognitivo leve o ningún trastorno. 

 

 

Finalmente, el algoritmo comenzó a aprender por sí mismo qué características son importantes para predecir el diagnóstico de la enfermedad de Alzheimer y cuáles no.

 

Cuando el algoritmo se puso a prueba identificó correctamente más del 92 por ciento de los pacientes estudiados e hizo estas predicciones en un promedio de 75.8 meses, un poco más de seis años, antes de que el paciente recibiera su diagnóstico final.

 

 

Sohn dice que el siguiente paso es probar y calibrar el algoritmo en conjuntos de datos más grandes y diversos de diferentes hospitales y países.

 

 

 

“Creo que este algoritmo tiene un gran potencial para ser clínicamente relevante”, concluye el médico.

 

 

Otros tipos de tomografías PET buscan proteínas relacionadas específicamente con la enfermedad de Alzheimer, pero las tomografías PET con glucosa son mucho más comunes y baratas, especialmente en hospitales pequeños y en países en desarrollo, porque también se usan para la estadificación del cáncer.

 

 

Los radiólogos han utilizado estas exploraciones para tratar de detectar la enfermedad de Alzheimer buscando niveles reducidos de glucosa en todo el cerebro, especialmente en los lóbulos frontal y parietal del cerebro. Sin embargo, debido a que la enfermedad es un trastorno progresivo lento, los cambios en la glucosa son muy sutiles y muy difíciles de detectar a simple vista.

 

 

Para resolver este problema, Sohn aplicó un algoritmo de aprendizaje automático a las tomografías PET.

 

 

 

“Esta es una aplicación ideal de aprendizaje profundo porque es particularmente fuerte para encontrar procesos muy sutiles pero difusos.

 

 

Los radiólogos humanos son realmente fuertes en la identificación de pequeños hallazgos focales como un tumor cerebral, pero luchamos para detectar cambios globales más lentos”, refiere el experto.

Lo invitamos que colabore con nosotros enviándonos sus denuncias o compartiendo información de percances que usted considere que pueden ser noticia.

Compartimos datos a los que puede enviarnos dicha información:

Email:

info@elescuintleco.com.gt

WhatsApp:

(502) 4047-6441