Científicos norteamericanos, mediante el uso de imágenes obtenidas durante chequeos médicos, lograron conformar un modelo con IA que puede diagnosticar esta patología neurodegenerativa con más de un 90% de precisión.
El uso de la Inteligencia Artificial (IA) para detectar enfermedades a partir de resonancias magnéticas cerebrales promete automatizar, estandarizar y convertirse en un proceso de diagnóstico a escala. Es que estos estudios clínicos se recopilan de forma rutinaria y se acumulan en grandes bases de datos que se pueden utilizar para entrenar algoritmos de IA.
Es ese sentido, el aprendizaje profundo (o deep learning), por su parte, ha demostrado tener éxito en la detección de múltiples enfermedades en datos de resonancia magnética cerebral de alta calidad, los cuales fueron recopilados en un entorno de investigación controlado. De la mano de estos avances, los investigadores han logrado progresar en la detección de signos de la enfermedad de Alzheimer mediante pruebas de imágenes cerebrales de alta calidad recopiladas, las cuales forman parte de estudios de investigación.
Con todos estos aspectos “sobre la mesa”, un equipo de especialistas del Hospital General de Massachusetts (MGH) desarrolló recientemente un método preciso para la detección de Alzheimer que se basa en muestras clínicas cerebrales recolectadas en forma de imágenes en exámenes de rutina. Este desarrollo podría conducir a diagnósticos más precisos.
Para el estudio, que fue publicado en PLOS ONE, Matthew Leming, investigador del Centro de Biología de Sistemas de MGH e investigador del Centro de Investigación de la Enfermedad de Alzheimer de Massachusetts, junto a sus colegas Sudeshna Das y Hyungsoon Im, utilizaron una herramienta que se denomina aprendizaje profundo, un tipo de aprendizaje automático en el que la inteligencia artificial utiliza grandes cantidades de datos y algoritmos complejos para entrenar modelos y obtener conclusiones.
En este caso, los científicos desarrollaron un modelo para la detección de la enfermedad de Alzheimer basado en datos de imágenes de resonancia magnética (IRM) cerebrales recopiladas de pacientes con y sin enfermedad de Alzheimer que fueron atendidos en MGH antes de 2019. Luego, el grupo probó el modelo en cinco conjuntos de datos: en MGH posterior a 2019, en el Brigham and Women’s Hospital antes y después de 2019, y sobre sistemas de salud externos antes y después de 2019.
El objetivo implicó analizar si su desarrollo era capaz de detectar con precisión la enfermedad de Alzheimer en función de datos reales, datos clínicos mundiales, independientemente del hospital y del tiempo en el que esos datos fueron relevados.
En general, la investigación involucró 11.103 imágenes de 2.348 pacientes con riesgo de enfermedad de Alzheimer y 26.892 imágenes de 8.456 pacientes sin la enfermedad. En los cinco conjuntos de datos, el modelo detectó el riesgo de enfermedad de Alzheimer con un 90,2% de precisión.
Comentarios