La IA permite adelantar el diagnóstico del Alzheimer

La Inteligencia Artificial puede ser una gran aliada para mejorar nuestra calidad de vida. Un desarrollo adecuado de esta tecnología permitirá ver más allá de lo que nosotros podemos. Los algoritmos de la IA pueden ser entrenados para detectar patrones y ofrecer diagnósticos que a nosotros nos costaría años deducir, y cuando se trata de enfermedades graves como el Alzheimer el tiempo es oro.

La Inteligencia Artificial está ayudando y demostrando su eficacia en enfermedades tan agresivas como el cáncer del colón. Pero desde hace un tiempo se está trabajando con ella en una de las enfermedades degenerativas más dañinas y desoladoras del mundo, el Alzheimer.

Más de 1,2 millones de personas sufren esta enfermedad, según CEAFA. A estas cifras habría que añadir los casos sin diagnosticar entre la población española, que se situarían entre el 30% y el 40% de la población española, según las estimaciones de la Sociedad Española de Neurología (SEN).

Además, “debido al vertiginoso envejecimiento poblacional que experimenta el país, la tendencia indica que en apenas 15 años las personas con mal de Alzhéimer superarán los siete millones de pacientes, y el coste de los tratamientos alcanzará nada menos que los 48.000 millones de euros, entre gastos directos e indirectos”, según CEAFA.

Y es que, España es el tercer país del mundo con mayor prevalencia de demencia. Sólo Francia e Italia tienen una mayor proporción de enfermos de Alzhéimer en mayores de 60 años.

El Alzhéimer es la causa más común de demencia entre la población. Según datos de la Organización Mundial de la Salud (OMS) acapara entre un 60% y un 70% de los casos de demencia en el mundo. Se trata de una enfermedad degenerativa cerebral que va destruyendo las neuronas, lo que lleva consigo la pérdida de capacidad intelectual y funcional.

Para diagnosticar con eficacia esta enfermedad se hace, entre otras pruebas, escáneres del cerebro en los que hay que percibir el posible deterioro o cambios. Según un estudio publicado en la revista Radiology, gracias a la IA se puede mejorar la predicción a partir de las imágenes cerebrales. El diagnóstico oportuno de la enfermedad de Alzheimer es extremadamente importante, ya que los tratamientos e intervenciones son más efectivos al principio de la enfermedad.

La investigación ha relacionado el proceso de la enfermedad con los cambios en el metabolismo, como lo demuestra la captación de glucosa en ciertas regiones del cerebro, pero estos cambios pueden ser difíciles de reconocer.

«Las diferencias en el patrón de captación de la glucosa en el cerebro son muy sutiles y difusas«, dice el coautor del estudio Jae Ho Sohn, del Departamento de Radiología e Imágenes Biomédicas de la Universidad de California en San Francisco (UCSF, por sus siglas en inglés), en Estados Unidos. «Las personas son buenas para encontrar biomarcadores específicos de enfermedades, pero los cambios metabólicos representan un proceso más global y sutil», añade.

El autor principal del estudio, Benjamin Franc, de la UCSF, se acercó al doctor Sohn y el estudiante de pregrado de la Universidad de California, Berkeley, Yiming Ding, a través del grupo de investigación de ‘Big Data in Radiology’ (BDRAD), un equipo multidisciplinario de médicos e ingenieros que centrados en la Ciencia de Datos en Radiología. El doctor Franc estaba interesado en aplicar el aprendizaje profundo, un tipo de IA en el que las máquinas aprenden con el ejemplo, al igual que los humanos, para encontrar cambios en el metabolismo cerebral predictivo de la patología de Alzheimer.

Los científicos entrenaron el algoritmo de aprendizaje profundo en una tecnología de imagen especial conocida como tomografía por emisión de positrones con 18-F-fluorodeoxiglucosa (FDG-PET). En una exploración de FDG-PET, FDG, se inyecta en la sangre un compuesto de glucosa radiactivo. Las tomografías PET pueden medir la captación de FDG en las células del cerebro, un indicador de la actividad metabólica.

Los científicos tuvieron acceso a los datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI, por sus siglas en inglés), un importante estudio de varios sitios centrado en ensayos clínicos para mejorar la prevención y el tratamiento de esta enfermedad. El conjunto de datos de ADNI incluyó más de 2.100 imágenes cerebrales de FDG-PET de 1.002 pacientes.

Los investigadores entrenaron el algoritmo de aprendizaje profundo en el 90% del conjunto de datos y luego lo probaron en el 10% restante del conjunto de datos. A través del aprendizaje profundo, el algoritmo pudo aprender patrones metabólicos que correspondían a la enfermedad de Alzheimer.

Por último, los investigadores probaron el algoritmo en un conjunto independiente de 40 exámenes de imágenes de 40 pacientes que nunca había estudiado. El algoritmo demostró una sensibilidad del 100% para detectar la enfermedad un promedio de más de seis años antes del diagnóstico final.

Para Sohn, el algoritmo podría ser una herramienta útil para complementar el trabajo de los radiólogos, especialmente en colaboración con otros productos bioquímicos y pruebas de imagen con el fin de hallar una oportunidad para la intervención terapéutica temprana.

«Si diagnosticamos la enfermedad de Alzheimer cuando todos los síntomas se han manifestado, la pérdida de volumen cerebral es tan importante que es demasiado tarde para intervenir. Si podemos detectarlo antes, es una oportunidad para que los investigadores encuentren formas mejores de frenar o incluso detener el proceso de la enfermedad«.

El siguiente paso incluye entrenar el algoritmo de aprendizaje profundo para buscar patrones asociados con la acumulación de proteínas beta-amiloides y tau, grupos de proteínas anormales y ovillos en el cerebro que son marcadores específicos de la enfermedad de Alzheimer, algo que supondría un nuevo escenario en el diagnóstico del Alzhéimer.

Imagen principal: Huy Phan