Exploraciones cerebrales FDG-PET 'futuras' habilitadas para IA predicen cambios cerebrales en pacientes con Alzheimer

Investigaciones anteriores han demostrado que la inteligencia artificial (IA) puede predecir cambios sintomáticos clínicos en trastornos neuropsiquiátricos en función de los datos de neuroimagen de referencia. Sin embargo, los estudios exitosos que predicen cambios longitudinales reales en todo el cerebro son relativamente pocos en comparación con aquellos que se centran en alteraciones longitudinales específicas como el volumen del hipocampo. Ahora, un estudio preliminar indica que un algoritmo basado en el aprendizaje profundo puede predecir con precisión el desarrollo del cerebro hasta seis años después de una evaluación inicial de la enfermedad de Alzheimer mediante exploraciones FDG-PET.

Investigadores del Centro Alemán de Enfermedades Neurodegenerativas (DZNE, Göttingen, Alemania) emplearon una red neuronal convolucional (CNN) para entrenar un algoritmo en las dos primeras exploraciones FDG-PET para predecir la tercera exploración adquirida en participantes de edad avanzada (>+ 55 años), que se realizaron imágenes FDG-PET en tres años consecutivos. El algoritmo predijo con éxito la futura señal general de FDG-PET para todo el cerebro, es decir, la reducción metabólica, que indica actividad neuronal. La herramienta también fue capaz de anticipar una futura disminución de la señal, o una reducción metabólica, lo que refleja una pérdida de actividad neuronal.

Imagen: Un algoritmo puede pronosticar el desarrollo del cerebro a partir de imágenes obtenidas en los exámenes FDG-PET (Fotografía cortesía de Freepik)

Las capacidades del algoritmo podrían ampliarse para predecir los resultados de FDG-PET hasta seis años después de la exploración inicial, mediante el uso secuencial de la salida del modelo como entrada para las predicciones del año siguiente. Además, la herramienta pareció detectar procesos neurodegenerativos en curso al inicio del estudio, ya que predijo una disminución significativa de la señal en el año 2 en pacientes con enfermedad de Alzheimer (EA), especialmente en regiones propensas a la EA, como las regiones parietal y temporal inferior bilateral, y la corteza cingulada posterior. Poseer una herramienta que pronostica exploraciones FDG-PET longitudinales basadas en exploraciones obtenidas al inicio y un año después podría mejorar la atención al paciente. Este estudio explora un nuevo territorio, ya que la predicción de cambios metabólicos longitudinales en el cerebro, medidos por FDG-PET, rara vez se había examinado antes.

“Tal algoritmo permitiría a los médicos leer un 'futuro' escaneo cerebral FDG-PET anticipado como lo harían en su rutina normal, pero con años de anticipación”, dijo Elena Doering, estudiante de doctorado en DZNE. “Esperamos que nuestro trabajo pueda brindar un beneficio clínico de dos maneras: mejorar el diagnóstico temprano o brindar un pronóstico confiable; y permitir la predicción individual de cambios patológicos cerebrales a lo largo del tiempo”.

Enlaces relacionados:
DZNE