Inteligencia artificial puede predecir posible Alzheimer con una precisión de casi el 100%

Comparta este Artículo en:

Según la Organización Mundial de la Salud, la enfermedad de Alzheimer es la causa más frecuente de demencia y contribuye a hasta el 70 por ciento de los casos de demencia.

En todo el mundo, aproximadamente 24 millones de personas se ven afectadas y se espera que este número se duplique cada 20 años.

Debido al envejecimiento de la sociedad, la enfermedad se convertirá en una costosa carga de salud pública en los próximos años.

“Los profesionales médicos de todo el mundo intentan crear conciencia sobre un diagnóstico temprano de Alzheimer, lo que brinda a los afectados una mejor oportunidad de beneficiarse del tratamiento.

Este fue uno de los temas más importantes para elegir un tema para Modupe Odusami, un estudiante de doctorado de Nigeria ”, dice Rytis Maskeliūnas, investigador del Departamento de Ingeniería Multimedia, Facultad de Informática, Universidad Tecnológica de Kaunas (KTU).

Uno de los primeros signos posibles de la enfermedad de Alzheimer es el deterioro cognitivo leve (DCL), que es la etapa entre el deterioro cognitivo esperado del envejecimiento normal y la demencia.

Según investigación anterior, la resonancia magnética funcional (fMRI) se puede utilizar para identificar las regiones del cerebro que pueden estar asociadas con la aparición de la enfermedad de Alzheimer, según Maskeliūnas.

Las primeras etapas de DCL a menudo casi no tienen síntomas claros, pero en bastantes casos pueden detectarse mediante neuroimágenes.

Sin embargo, aunque teóricamente es posible, el análisis manual de imágenes de resonancia magnética funcional que intentan identificar los cambios asociados con la enfermedad de Alzheimer no solo requiere conocimientos específicos, sino que también requiere mucho tiempo:

La aplicación del aprendizaje profundo y otros métodos de inteligencia artificial pueden acelerar esto por un margen de tiempo significativo.

Encontrar características de DCL no significa necesariamente la presencia de una enfermedad, ya que también puede ser un síntoma de otras enfermedades relacionadas, pero es más un indicador y una posible ayuda para orientarse hacia una evaluación por parte de un profesional médico.

“El procesamiento de señales moderno permite delegar el procesamiento de imágenes a la máquina, que puede completarlo con la suficiente rapidez y precisión.

Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al cien por cien.

Piense en una máquina como un robot capaz de realizar la tarea más tediosa de clasificar los datos y buscar características.

In a recent study by DoubleClick, email users were 72% more likely cheap sildenafil tablets to respond to a business e-mail if its content was based on the interests they had specified. For them erectile dysfunction curing drugs such as purchase cheap cialis is the cost option to one of the top 10 e-commerce companies thriving in the country. The home remedies for vertigo helps to regain healthy psychological state to stay away from dehydrating things like alcohol, viagra prices check caffeine and tobacco. These drugs work at a physiological level in the treatment of cialis cost ED.

En este escenario, después de que el algoritmo informático selecciona los casos potencialmente afectados, el especialista puede analizarlos más de cerca y, al final, todos se benefician ya que el diagnóstico y el tratamiento llegan al paciente mucho más rápido ”, dice Maskeliūnas, quien supervisó el trabajo del equipo.

El modelo basado en el aprendizaje profundo se desarrolló como una fructífera colaboración de los principales investigadores lituanos en el sector de la inteligencia artificial, utilizando una modificación de ResNet 18 bien afinado (red neuronal residual) para clasificar las imágenes de resonancia magnética funcional obtenidas de 138 sujetos.

Las imágenes se dividieron en seis categorías diferentes: desde saludables hasta el espectro del deterioro cognitivo leve (DCL) hasta la enfermedad de Alzheimer.

En total, se seleccionaron 51,443 y 27,310 imágenes del conjunto de datos de resonancia magnética funcional de la Iniciativa de neuroimagen de la enfermedad de Alzheimer para entrenamiento y validación.

Las tecnologías pueden hacer que la medicina sea más accesible y barata.

Aunque nunca reemplazarán al profesional médico, las tecnologías pueden alentar la búsqueda de diagnóstico y ayuda oportunos.

El modelo pudo encontrar de manera efectiva las características de MCI en el conjunto de datos dado, logrando la mejor precisión de clasificación del 99,99%, 99,95% y 99,95% para MCI temprano frente a AD, MCI tardío frente a AD y MCI frente a MCI temprano. respectivamente.

“Aunque este no fue el primer intento de diagnosticar la aparición temprana de la enfermedad de Alzheimer a partir de datos similares, nuestro principal avance es la precisión del algoritmo.

Obviamente, cifras tan altas no son indicadores de un rendimiento real en la vida real, pero estamos trabajando con instituciones médicas para obtener más datos ”, dice Maskeliūnas.

Según él, el algoritmo podría convertirse en un software, que analizaría los datos recopilados de los grupos vulnerables (mayores de 65 años, con antecedentes de lesión cerebral, hipertensión arterial, etc.) y notificaría al personal médico sobre las anomalías relacionadas con la aparición temprana de la enfermedad de Alzheimer.

“Necesitamos aprovechar al máximo los datos”, dice Maskeliūnas, “por eso nuestro grupo de investigación se centra en el principio europeo de ciencia abierta, para que cualquiera pueda utilizar nuestro conocimiento y desarrollarlo aún más.

Creo que este principio contribuye en gran medida al avance de la sociedad ”.

Maskeliūnas, el investigador principal, cuya área principal se centra en la aplicación de métodos modernos de inteligencia artificial en el procesamiento de señales e interfaces multimodales, dice que el modelo descrito anteriormente se puede integrar en un sistema más complejo, analizando varios parámetros diferentes, por ejemplo, también monitorea el seguimiento de los movimientos oculares, la lectura de rostros, el análisis de voz, etc.

Dicha tecnología podría usarse para autocomprobación y alerta para buscar asesoramiento profesional si algo es motivo de preocupación.

Fuente: MDPI