Inteligencia artificial podría mejorar la detección temprana del alzheimer

El alzheimer es una enfermedad cerebral que se caracteriza por deteriorar las funciones cognitivas de los seres humanos. Enferma principalmente a los adultos mayores y es la principal causa de demencia, que se presenta cuando la memoria y el pensamiento están tan afectados que les dificultan a los pacientes realizar sus actividades cotidianas.

Como se trata de una enfermedad degenerativa que por ahora no tiene cura, la ciencia se ha preocupado por identificar algunas medidas que pueden ayudar a prevenirla, diagnosticarla a tiempo e incluso predecir su aparición.

Así, por ejemplo, fue como los científicos encontraron que el gen apolipoproteína E (APOE) está asociado al riesgo de padecer la enfermedad.

Pues bien, recientemente se conoció un estudio científico efectuado por un equipo de investigadores del Hospital General de Massachusetts en el que usaron una metodología de inteligencia artificial de aprendizaje profundo llamada Mucran (por su sigla en inglés).

Con esa arquitectura de aprendizaje, los científicos entrenaron un modelo que manejaba grandes cantidades de datos de resonancias magnéticas cerebrales.

“Entrenamos a Mucran utilizando 17.076 resonancias magnéticas cerebrales axiales T1 clínicas recopiladas en el Hospital General de Massachusetts antes de 2019 y demostramos que Mucran podía hacer retroceder con éxito los principales factores de confusión en el vasto conjunto de datos clínicos”, indicaron los investigadores

Más adelante, señalaron que afinaron la precisión de la inteligencia artificial para que fuera capaz de mejorar la posibilidad de predecir el alzheimer.

“Mucran ofrece un enfoque generalizable para la detección de enfermedades basada en el aprendizaje profundo en datos clínicos heterogéneos”, detallaron los autores de la investigación.

El estudio científico fue publicado en la revista PLOS ONE y ha representado un gran avance en materia de detección temprana del alzheimer, que según los cálculos de algunas organizaciones médicas afecta a unos seis millones de pacientes solo en Estados Unidos.

Uno de los datos que más llamó la atención de la comunidad médica tiene que ver con la precisión que adquirió el modelo de los investigadores, pues la efectividad en el diagnóstico del alzheimer fue de un 90,2 %, según indicó Harvard Gazette, un medio de divulgación científica de la Universidad de Harvard.

“La enfermedad de alzheimer generalmente ocurre en adultos mayores, por lo que los modelos de aprendizaje profundo a menudo tienen dificultades para detectar los casos más raros de aparición temprana”, le dijo a Harvard Gazette el investigador del Centro de Investigación de la Enfermedad de Alzheimer de Massachusetts, Matthew Leming.

“Abordamos esto haciendo que el modelo de aprendizaje profundo sea ‘ciego’ a las características del cerebro que encuentra demasiado asociadas con la edad indicada del paciente”, agregó el investigador.

Hay otros retos que los científicos tuvieron que afrontar para lograr que su modelo sea suficientemente efectivo. Por ejemplo, Leming le contó a Harvard Gazette que no era lo mismo analizar los datos de un escáner de una empresa como General Electric o de otra marca como Siemens. Estas condiciones del “mundo real” requirieron un esfuerzo especial por parte de los investigadores.

En esa misma medida, el investigador explicó que tuvieron que usar una “métrica de incertidumbre” para que el modelo tuviera en cuenta si los datos recogidos de cada paciente eran muy distintos en comparación a los que estaba programado para recibir.

“Este es uno de los únicos estudios que utilizó resonancias magnéticas cerebrales recolectadas de forma rutinaria para intentar detectar la demencia. Si bien se han realizado una gran cantidad de estudios de aprendizaje profundo para la detección de la enfermedad de alzheimer a partir de resonancias magnéticas cerebrales, este estudio dio pasos sustanciales para realizar esto en entornos clínicos del mundo real en lugar de entornos de laboratorio perfectos”, concluyó Leming.