211service.com
Software predice deterioro cognitivo usando imágenes cerebrales
La condición neurológica crónica llamada enfermedad de Alzheimer es una de las más insidiosas de la sociedad moderna. En 2015, se pensaba que unos 30 millones tenían esta enfermedad. Como una condición enormemente costosa de manejar, esto supone una carga significativa para los sistemas de atención de la salud en todo el mundo.
Aunque no existe una forma conocida de detener la enfermedad en casos avanzados, existe evidencia de que su progresión puede retrasarse o detenerse si se identifica temprano. Por lo tanto, encontrar una forma confiable de detectar a las personas que están en riesgo de desarrollar la enfermedad es un objetivo importante.
Hoy, Hongyoon Choi en el Centro de Salud Pública de Cheonan y Kyong Hwan Jin en el Instituto Avanzado de Ciencia y Tecnología de Corea, ambos en Corea del Sur, dicen que han utilizado el aprendizaje profundo para desarrollar una técnica de este tipo. Estos muchachos dicen que su proceso puede identificar con precisión a las personas con probabilidades de desarrollar Alzheimer en los próximos tres años.
Una red de aprendizaje profundo aprende a reconocer la firma única de la enfermedad de Alzheimer en imágenes de exploración PET del cerebro humano.
El deterioro cognitivo es inevitable a medida que envejecemos. Tendemos a volvernos más olvidadizos, perdemos nuestro hilo de pensamiento con más frecuencia y nos resulta más difícil tomar decisiones o realizar tareas. Los médicos llaman a esto deterioro cognitivo leve y afecta a la mayoría de las personas a medida que envejecen.
Muchas personas con deterioro cognitivo leve desarrollan alzhéimer, que es mucho más grave. Las personas con esta afección pierden el vocabulario y, con frecuencia, usan sustituciones de palabras incorrectas. Dejan de reconocer a los parientes cercanos, pierden las habilidades básicas de cuidado personal y eventualmente se vuelven completamente dependientes de los cuidadores. La mayoría muere a los pocos años del diagnóstico.
Pero curiosamente, no todas las personas con deterioro cognitivo leve siguen este camino. Algunos nunca se deterioran y algunos incluso mejoran. Por lo tanto, a los médicos les encantaría poder detectar a las personas con probabilidades de desarrollar Alzheimer porque es más probable que se beneficien del tratamiento.
Una forma de hacerlo es mediante el estudio de tomografías por emisión de positrones (PET) del cerebro. Se sabe que la enfermedad de Alzheimer se caracteriza por el crecimiento no deseado de grupos de proteínas llamados placas amiloides y por un metabolismo cerebral lento, medido por la tasa en que el cerebro utiliza la glucosa.
Ciertos tipos de tomografías por emisión de positrones pueden revelar signos de ambas condiciones y, por lo tanto, pueden usarse para detectar a las personas con deterioro cognitivo leve que corren mayor riesgo de desarrollar la enfermedad de Alzheimer.
Esa es la teoría. En la práctica, la interpretación de las imágenes es difícil. Los investigadores han encontrado uno o dos marcadores fuertes que los observadores capacitados pueden buscar, pero este método requiere mucho tiempo y es propenso a errores.
Ingrese a Hongyoon y Kyong, quienes han reemplazado a los observadores humanos en este proceso con una red neuronal de aprendizaje profundo.
Su método es sencillo. En los últimos años, los investigadores de Alzheimer de todo el mundo han estado construyendo una base de datos de imágenes cerebrales de personas con y sin Alzheimer. Hongyoon y Kyong usan esta base de datos para entrenar una red neuronal convolucional para reconocer la diferencia entre ellos.
Este conjunto de datos consta de imágenes cerebrales de 182 personas de 70 años con cerebros normales e imágenes cerebrales de 139 personas de aproximadamente la misma edad que han sido diagnosticadas con Alzheimer. Con entrenamiento convencional, la máquina pronto aprende a reconocer la diferencia con una precisión de casi el 90 por ciento.
Luego, Hongyoon y Kyong usan su máquina para analizar un conjunto de datos diferente. Esto consiste en imágenes cerebrales de 181 personas de 70 años con deterioro cognitivo leve, de los cuales 79 desarrollaron Alzheimer en tres años. La tarea que Hongyoon y Kyong encomendaron a la máquina fue detectar a estos individuos susceptibles.
Los resultados hacen una lectura interesante. Hongyoon y Kyong dicen que su red neuronal identificó a las personas en riesgo de desarrollar Alzheimer con una precisión del 81 por ciento. Eso es significativamente más alto que lo que logran los observadores entrenados cuando analizan visualmente las imágenes. Estos resultados muestran la viabilidad del aprendizaje profundo como una herramienta para predecir el resultado de la enfermedad utilizando imágenes cerebrales, dicen.
Ese es un resultado interesante. Sugiere una forma relativamente rápida de detectar a las personas en riesgo de desarrollar Alzheimer y aquellas que se beneficiarían más de una intervención temprana. Ese es un enfoque que podría mejorar la calidad de vida de muchas personas y ahorrar cantidades significativas de dinero a los sobrecargados sistemas de atención de la salud.
En términos más generales, la técnica de Hongyoon y Kyong es solo un ejemplo del uso creciente del aprendizaje profundo en el diagnóstico médico. La evidencia sugiere que las máquinas de aprendizaje profundo pueden detectar condiciones complejas antes y con mayor precisión que los humanos. Y la técnica funciona para diversas afecciones, desde enfermedades cardíacas hasta cáncer.
Claramente, el aprendizaje profundo está destinado a cambiar el mundo de la medicina. La única pregunta para aquellos que actualmente sufren de deterioro cognitivo leve es qué tan rápido.
Ref: arxiv.org/abs/1704.06033 : Predicción del deterioro cognitivo con aprendizaje profundo del metabolismo cerebral e imágenes de amiloide