Hoy la enfermedad de Alzheimer es una de las enfermedades más insidiosas, su aparición es muy difícil (y costosa) de predecir. Aunque una enfermedad ya desarrollada no se puede detener, existe evidencia de que la detección temprana ayuda a ralentizar o detener la enfermedad de Alzheimer y la degradación cerebral. Por lo tanto, la búsqueda de una forma confiable de determinar el riesgo de desarrollar una enfermedad ocupa las mentes de los investigadores.
A medida que el cuerpo humano envejece, el deterioro cognitivo es inevitable. Con la edad, las personas se vuelven más olvidadizas, a menudo pierden su línea de pensamiento y les resulta difícil tomar decisiones o realizar tareas que anteriormente no causaban dificultades. Los médicos llaman a esto deterioro cognitivo leve. Afecta a la mayoría de las personas cuando envejecen.
Muchas personas con deterioro cognitivo leve desarrollan una forma más grave: la enfermedad de Alzheimer. Una persona pierde vocabulario, a menudo usa reemplazos de palabras incorrectos, deja de reconocer parientes cercanos, pierde habilidades básicas de autocuidado y, en última instancia, se vuelve completamente dependiente de otras personas que lo ayudan. La mayoría de las personas con este diagnóstico muere unos años después del descubrimiento de la enfermedad de Alzheimer.
Curiosamente, este escenario no espera a todas las personas con deterioro cognitivo leve. Con el tiempo, la condición del paciente puede no empeorar y, en algunos casos, incluso mejorar. Por lo tanto, los médicos quieren encontrar formas de identificar a aquellos que tienen más probabilidades de desarrollar la enfermedad de Alzheimer.
Los científicos surcoreanos han propuesto utilizar el aprendizaje profundo para este propósito. La tecnología que desarrollaron puede identificar a las personas que podrían tener la enfermedad de Alzheimer en los próximos tres años.
Una red neuronal profunda aprende a reconocer rastros únicos de la enfermedad en imágenes de
tomografía por emisión de positrones del cerebro (PET). Se sabe que la enfermedad de Alzheimer se caracteriza por un crecimiento no deseado de protuberancias proteicas llamadas placas amiloides y un metabolismo cerebral lento, que se mide por la velocidad a la que el cerebro usa glucosa.
Ciertos tipos de escáneres PET pueden detectar signos de ambas afecciones y, por lo tanto, pueden usarse para detectar un deterioro cognitivo leve en personas que finalmente conducirán al desarrollo de la enfermedad de Alzheimer.
En teoría, suena muy alentador, pero en la práctica es bastante difícil interpretar las imágenes resultantes. Los investigadores han descubierto uno o dos marcadores brillantes que pueden encontrar personas especialmente capacitadas, pero este método lleva mucho tiempo y no es inmune a los errores. Por lo tanto, los científicos coreanos decidieron reemplazar a las personas con una red neuronal profunda.
En los últimos años, los investigadores de Alzheimer en todo el mundo han creado una base de datos de imágenes cerebrales de pacientes con y sin Alzheimer. Y los colegas surcoreanos usaron este conjunto de datos para entrenar una red neuronal convolucional para reconocer la diferencia entre ellos.
(A) - La arquitectura de red neuronal convolucional se aplica a dos imágenes PET tomadas con el análogo biológico de glucosa -
fluorodeoxiglucosa y
florbetapira - sustancias administradas a un paciente para diagnosticar la enfermedad de Alzheimer. Cada función de capa se puede extraer utilizando la función de activación y convolución tridimensional (ReLU). Las convoluciones de múltiples capas dan una salida unidimensional, y la última capa tiene dos nodos que corresponden a la enfermedad de Alzheimer (EA) y la condición cerebral normal (NC).
(B) - La red neuronal profunda fue entrenada según los datos de PET de pacientes sanos y enfermos. Los investigadores utilizaron una verificación cruzada diez veces mayor. Después del entrenamiento, la IA se usó directamente para clasificar entre deterioro cognitivo leve (DCL) o transformador o no transformador de la enfermedad. Los investigadores evaluaron la precisión del pronóstico para pacientes con un trastorno que podría conducir a la enfermedad. Además, los científicos también realizaron análisis de rendimiento del receptor (ROC).
El conjunto de datos consistió en imágenes cerebrales de 182 personas de 70 años con un cerebro sano y 139 imágenes cerebrales de personas de aproximadamente la misma edad que fueron diagnosticadas con Alzheimer. Como resultado, AI pudo reconocer la diferencia entre un cerebro sano y enfermo con una precisión del 90%.
Además, los investigadores utilizaron su máquina para analizar otro conjunto de datos, que consistió en escáneres cerebrales de 181 personas de 70 años con deterioro cognitivo leve, 79 de los cuales se sometieron a la enfermedad de Alzheimer durante tres años. La tarea establecida para los científicos era identificar a estas personas que son más susceptibles al empeoramiento de las condiciones.
Según los resultados del experimento, AI identificó a aquellos que están en riesgo de desarrollar la enfermedad de Alzheimer con una precisión del 81%. Este resultado es significativamente mayor que el dado por los médicos que analizan visualmente las imágenes.
En términos más generales, la técnica de los científicos coreanos es solo un ejemplo del uso creciente del aprendizaje profundo y la visión artificial en el diagnóstico médico. Los datos disponibles indican que las máquinas pueden determinar las condiciones difíciles antes y con mayor precisión que las personas.
doi:
arXiv: 1704.06033