La inteligencia artificial toma la delantera para la detección precoz de enfermedades neurodegenerativas: un algoritmo identifica señales cerebrales previas a la aparición del alzhéimer con más de un 99% de precisión.
El machine learning y la inteligencia artificial se han revelado en los últimos años como el complemento perfecto para hacer más rápido y preciso no solo el diagnóstico de enfermedades ya existentes, sino el riesgo futuro de sufrir cáncer o demencia.
La ventaja del software inteligente es que sortea todas las limitaciones humanas de tiempo y espacio, no duerme ni come, y por tanto acelera con creces el proceso de detección de problemas como el alzhéimer, que acapara entre un 60% y un 70% de los casos de demencia en el mundo, según la OMS.
Buenas nuevas llegan esta semana desde Lituania, donde un algoritmo ha logrado detectar posibles indicadores de alzhéimer con una precisión cercana al 100%, tal como informa el comunicado de la Universidad Tecnológica de Kaunas (KTU).
En todo el planeta se calcula que aproximadamente 24 millones de personas padecen esta enfermedad y se espera que el número se duplique cada 20 años.
Aprendizaje profundo para identificar señales previas de alzhéimer
El deep learning, o aprendizaje profundo, ha sido la tecnología clave para desarrollar este método, que analizó imágenes de resonancia magnética funcional obtenidas de 138 sujetos obteniendo una precisión superior al 99%.
Uno de los primeros signos posibles de la enfermedad de alzhéimer es el deterioro cognitivo leve (DCL), la etapa entre el deterioro cognitivo esperado del envejecimiento normal y la demencia.
El mecanismo más común para identificar las regiones del cerebro involucradas en este trastorno es la resonancia magnética funcional (fMRI). Aunque las primeras fases del DCL no suelen tener síntomas claros, en bastantes casos los signos precoces de alzhéimer pueden detectarse mediante neuroimágenes.
El principal problema es que el análisis manual de estas imágenes es tedioso, requiere conocimientos específicos y una considerable inversión de tiempo. Aquí entran en juego los métodos de inteligencia artificial para facilitar la evaluación por parte de los médicos.
Con avances como este, el trabajo mecánico podría relegarse a la rapidez y eficacia de la máquina, mientras que los resultados obtenidos por el algoritmo informático podrían supervisarse y examinarse de cerca.
«Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al 100%, pero el especialista puede examinar los casos más de cerca«, dice Rytis Maskeliūnas, investigador del Departamento de Ingeniería Multimedia en la Universidad Tecnológica de Kaunas (KTU), y supervisor del estudio.
«Todos se benefician, ya que el diagnóstico y el tratamiento llegan al paciente mucho más rápido«, apostilla el investigador.
Su modelo basado en aprendizaje profundo se trata de una fructífera colaboración de los principales investigadores lituanos en el sector de la inteligencia artificial.
Inteligencia artificial para escanear imágenes en busca de alzhéimer
Para crear el algoritmo, los responsables se sirvieron de una modificación de la red neuronal residual ResNet 18 para clasificar las imágenes de resonancia magnética funcional obtenidas de 138 sujetos.
Las imágenes se dividieron en 6 categorías diferentes: desde saludables hasta el espectro del deterioro cognitivo leve (DCL) hasta la enfermedad de alzhéimer (AD). En total, se seleccionaron 51.443 y 27.310 imágenes.
El modelo fue capaz de hallar de manera efectiva las características de MCI en el conjunto de datos dado, logrando respectivamente 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.
Según el investigador, el software es clave para un mejor aprovechamiento de datos recopilados de grupos vulnerables, como las personas mayores de 65 años con antecedentes de lesión cerebral o hipertensión arterial.
En el futuro, el algoritmo para el alzhéimer podría integrarse en un sistema más complejo, analizando parámetros como los movimientos oculares, la lectura de rostros o el análisis de voz.
“Las tecnologías pueden hacer que la medicina sea más accesible y barata. Aunque nunca reemplazarán al profesional médico, pueden alentar la búsqueda de diagnóstico y ayuda oportunos”, dice Maskeliūnas.
La investigación ha sido publicada en la revista Diagnostics.
Este artículo fue publicado en Business Insider España por Andrea Núñez-Torrón Stock.