La IA detecta Alzheimer 6 años antes con 100% precisión

La IA mejora técnicas de imagen cerebral para predecir Alzheimer años antes del diagnóstico.

La Red Neuronal Convolucional desarrollada identificó escaneos cerebrales (con 100% sensibilidad) que conducen a Alzheimer.

Deep Learning analiza metabolismo cerebral

Estudios previos mostraron que Alzheimer cambia metabolismo cerebral: reducción en metabolismo de glucosa cerebral se observa característicamente. Sin embargo, reconocer estos cambios sutiles es extremadamente desafiante.

En este estudio, investigadores aplicaron deep learning para detectar cambios en metabolismo cerebral predictivos de Alzheimer. Entrenaron el método en miles de imágenes de una técnica de imagen funcional de medicina nuclear llamada Tomografía por Emisión de Positrones (PET).

Tenían acceso a datos de un gran proyecto multi-sitio ADNI (Iniciativa de Neuroimagen de Enfermedad de Alzheimer) enfocado en prevenir y tratar esta enfermedad.

Referencia: Radiology | doi:10.1148/radiol.2018180958 | RSNA

El dataset contenía más de 2.100 escaneos PET cerebrales de más de 1.000 pacientes. Usaron 90% para entrenar su deep learning y 10% restante para testear.

Ejemplos de escaneos PET | Cerebro de hombre 76 años (zoom) con Alzheimer | Cortesía de investigadores

Luego testearon el método en nuevo grupo independiente de 40 imágenes de 40 pacientes que el algoritmo nunca había examinado. Detectó Alzheimer 6 años antes (promedio) del diagnóstico final, en todos los 40 escaneos PET.

Entrenaron su red neuronal convolucional usando GPUs NVIDIA TITAN Xp con librería CUDA Deep Neural Network. Predijo cada escaneo (con 100% sensibilidad) que conducía a Alzheimer.

¿Qué sigue?

Aunque resultados son impresionantes, investigadores advirtieron que su set de validación no era lo bastante grande para hacer el algoritmo totalmente fiable. Necesitan más datos para madurar esta herramienta IA.

Actualmente, la herramienta puede complementar el trabajo de radiólogos que incluye amplia gama de tests de imagen y bioquímicos. Con validación externa a gran escala en datos multi-institucionales y calibración del modelo, la herramienta podría integrarse en flujo clínico para ayudar a médicos con predicciones tempranas.

Leer: Científicos descubren y corrigen factor genético de riesgo de Alzheimer

El equipo planea entrenar más sus redes neuronales para reconocer patrones ligados a acumulación anormal de proteínas beta-amiloide y tau, y otros marcadores específicos de Alzheimer.