La IA predice la enfermedad de Alzheimer años antes del diagnóstico
Por el equipo editorial de MedImaging en español Actualizado el 05 Dec 2018 |
Imagen: Mapa de la relevancia del modelo de aprendizaje profundo, Inceptin V3, con respecto a la clasificación de la enfermedad de Alzheimer. (a) Un mapa representativo de relevancia con recubrimiento anatómico en un hombre de 77 años. (b) El mapa de relevancia promedio en el 10 por ciento del conjunto de la Iniciativa de Neuroimagenología de la enfermedad de Alzheimer (c) Mapa de relevancia promedio en un conjunto de prueba independiente. Cuanto más cerca esté el color de un píxel del extremo “Alto” de la barra de color de la imagen, más influencia tendrá para la predicción de la enfermedad de Alzheimer (Fotografía cortesía de UCSF).
Un estudio nuevo sobre la aplicación del aprendizaje profundo (AP) para detectar cambios en el metabolismo cerebral predictivo de la enfermedad de Alzheimer (EA) descubrió que la inteligencia artificial (IA) mejora la capacidad de las imágenes cerebrales para predecir esta enfermedad.
El diagnóstico oportuno de la EA es extremadamente importante, aunque el diagnóstico temprano ha demostrado ser un reto. 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, aunque estos cambios pueden ser difíciles de reconocer.
Los investigadores adiestraron el algoritmo de AP utilizando un examen con 18-F-fluorodeoxiglucosa PET (FDG-PET). Tuvieron acceso a los datos de la Iniciativa de Neuroimagenología de la enfermedad de Alzheimer (ADNI), un importante estudio en varios sitios que se centró en ensayos clínicos para mejorar la prevención y el tratamiento de la 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 AP en el 90% del conjunto de datos y luego lo ensayaron en el 10% restante del conjunto de datos. Finalmente, los investigadores ensayaron el algoritmo en un conjunto independiente de 40 exámenes de imagenología de 40 pacientes que nunca habían estudiado. El algoritmo logró una sensibilidad del 100% para la detección de la enfermedad con un promedio de más de seis años antes del diagnóstico final.
Según los investigadores, el algoritmo podría ser una herramienta útil para complementar el trabajo de los radiólogos, especialmente en conjunto con otras pruebas bioquímicas y de imagenología, para brindar una oportunidad de intervención terapéutica temprana. Los investigadores ahora se enfocarán en entrenar el algoritmo de AP para buscar patrones asociados con la acumulación de proteínas beta-amiloides y tau, grupos de proteínas y ovillos anormales en el cerebro que son marcadores específicos de la enfermedad de Alzheimer.
“Si diagnosticamos la enfermedad de Alzheimer cuando todos los síntomas se han manifestado, la pérdida de volumen cerebral es tan significativa que es demasiado tarde para intervenir”, dijo el coautor del estudio, Jae Ho Sohn, MD, del Departamento de Radiología e Imágenes Biomédicas de la Universidad de California en San Francisco (UCSF). “Si podemos detectarla antes, es una oportunidad para que los investigadores encuentren formas mejores de frenar o incluso detener el proceso de la enfermedad”.
Enlace relacionado:
Departamento de Radiología e Imágenes Biomédicas de la Universidad de California en San Francisco
El diagnóstico oportuno de la EA es extremadamente importante, aunque el diagnóstico temprano ha demostrado ser un reto. 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, aunque estos cambios pueden ser difíciles de reconocer.
Los investigadores adiestraron el algoritmo de AP utilizando un examen con 18-F-fluorodeoxiglucosa PET (FDG-PET). Tuvieron acceso a los datos de la Iniciativa de Neuroimagenología de la enfermedad de Alzheimer (ADNI), un importante estudio en varios sitios que se centró en ensayos clínicos para mejorar la prevención y el tratamiento de la 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 AP en el 90% del conjunto de datos y luego lo ensayaron en el 10% restante del conjunto de datos. Finalmente, los investigadores ensayaron el algoritmo en un conjunto independiente de 40 exámenes de imagenología de 40 pacientes que nunca habían estudiado. El algoritmo logró una sensibilidad del 100% para la detección de la enfermedad con un promedio de más de seis años antes del diagnóstico final.
Según los investigadores, el algoritmo podría ser una herramienta útil para complementar el trabajo de los radiólogos, especialmente en conjunto con otras pruebas bioquímicas y de imagenología, para brindar una oportunidad de intervención terapéutica temprana. Los investigadores ahora se enfocarán en entrenar el algoritmo de AP para buscar patrones asociados con la acumulación de proteínas beta-amiloides y tau, grupos de proteínas y ovillos anormales en el cerebro que son marcadores específicos de la enfermedad de Alzheimer.
“Si diagnosticamos la enfermedad de Alzheimer cuando todos los síntomas se han manifestado, la pérdida de volumen cerebral es tan significativa que es demasiado tarde para intervenir”, dijo el coautor del estudio, Jae Ho Sohn, MD, del Departamento de Radiología e Imágenes Biomédicas de la Universidad de California en San Francisco (UCSF). “Si podemos detectarla antes, es una oportunidad para que los investigadores encuentren formas mejores de frenar o incluso detener el proceso de la enfermedad”.
Enlace relacionado:
Departamento de Radiología e Imágenes Biomédicas de la Universidad de California en San Francisco
Últimas Industria noticias
- Samsung y Bracco firman nuevo acuerdo de tecnología de ultrasonido de diagnóstico
- IBA adquiere Radcal para ampliar oferta de garantía de calidad de imágenes médicas
- Sociedades internacionales sugieren consideraciones clave para herramientas IA para radiología
- Dispositivos de rayos X de Samsung funcionarán con soluciones de IA de Lunit para exámenes avanzados de tórax
- Canon Medical y Olympus colaboran en sistemas de ultrasonido endoscópico
- GE HealthCare adquiere empresa de análisis de imágenes por IA MIM Software
- Primeros criterios internacionales establecen las bases para mejorar diagnóstico por imágenes de tumores cerebrales
- RSNA revela los 10 estudios de radiología más citados de 2023
- Exposiciones técnicas RSNA 2023 ofrecerá innovaciones en IA, impresión 3D y más
- Según un estudio, productos de imágenes médicas por IA se quintuplicarán para 2035
- Exposiciones técnicas de RSNA 2023 destacan las últimas innovaciones en imágenes médicas
- Tecnologías impulsadas por IA ayudan a interpretar rediografías e imágenes de resonancias magnéticas para mejorar diagnóstico de enfermedades
- Hologic y Bayer se asocian para mejorar imágenes de mamografía
- Mercado mundial de arcos en C fijos y móviles impulsado por aumento de procedimientos quirúrgicos
- Mercado mundial de ultrasonido mejorado por contraste impulsado por demanda de detección temprana de enfermedades crónicas
- Uso de imágenes avanzadas aumenta en departamentos de emergencia