<\/p>\n
El diagn\u00f3stico temprano del alzh\u00e9imer es el primer paso para el tratamiento de esta enfermedad. Cuanto antes se detecten los cambios en el cerebro causados por esta patolog\u00eda, antes se puede empezar a tratar el paciente. Las se\u00f1ales de alerta, sin embargo, est\u00e1n relacionadas con sutiles cambios en ciertas zonas del cerebro, por lo que hasta ahora era pr\u00e1cticamente imposible percatarse de los primeros pasos de esta dolencia.<\/p>\n
Ahora, un equipo multidisciplinario de m\u00e9dicos e ingenieros propone un nuevo m\u00e9todo para acelerar el diagn\u00f3stico temprano del alzh\u00e9imer: la inteligencia artificial. En un nuevo estudio publicado en la revista Radiology, estos investigadores plantean utilizar algoritmos de aprendizaje profundo (‘deep-learning’) para \u201centrenar a las m\u00e1quinas\u201d con tal de detectar los cambios en el metabolismo de la captaci\u00f3n de glucosa en determinadas zonas del cerebro, un proceso considerado como la antesala de la neurodegeneraci\u00f3n causada por el alzh\u00e9imer.<\/p>\n
\u00abLas diferencias en el patr\u00f3n de captaci\u00f3n de glucosa en el cerebro son muy sutiles y difusas\u00bb, explica Jae Ho Sohn, investigador del Departamento de Radiolog\u00eda e Imagen Biom\u00e9dica de la Universidad de California en San Francisco (UCSF) y autor de este nuevo estudio. \u00abLas personas son buenas en identificar biomarcadores espec\u00edficos de enfermedades, pero los cambios metab\u00f3licos representan un proceso m\u00e1s global y sutil\u00bb.<\/p>\n
<\/p>\n
Proceso de aprendizaje<\/p>\n
Ni las personas ni las m\u00e1quinas nacen aprendidas. Y es por eso que, para el desarrollo de este nuevo m\u00e9todo de diagn\u00f3stico, los investigadores empezaron por entrenar algoritmos de aprendizaje profundo para encontrar cambios en el metabolismo cerebral mediante el uso de tomograf\u00edas, una t\u00e9cnica capaz de proporcionar im\u00e1genes en las que se observa la captaci\u00f3n de glucosa de las c\u00e9lulas del cerebro, un rasgo predictivo del alzh\u00e9imer.<\/p>\n
Como si de una clase magistral se tratara, los investigadores empezaron mostrando al algoritmo m\u00e1s de 2.100 im\u00e1genes cerebrales obtenidas de 1.002 pacientes con alzh\u00e9imer. Estas im\u00e1genes, utilizadas como libro de texto, fueron obtenidas a trav\u00e9s de la base de datos de ADNI (Alzheimer’s Disease Neuroimaging Initiative): un proyecto en el que se recopilan datos sobre el diagn\u00f3stico de la enfermedad, incluidas pruebas gen\u00e9ticas, cognitivas, biomarcadores y otros predictores de la neurodegeneraci\u00f3n.<\/p>\n
A partir de ah\u00ed empez\u00f3 el entrenamiento. Este equipo multidisciplinar de m\u00e9dicos e ingenieros ense\u00f1\u00f3 al algoritmo en qu\u00e9 cambios del metabolismo del cerebro eran indicadores del alzh\u00e9imer. Este proceso se realiz\u00f3 con el 90% del conjunto de datos disponibles. En el 10% restante, los investigadores buscaron comprobar si efectivamente las m\u00e1quinas hab\u00edan aprendido algo. Y, por lo que parece, as\u00ed fue: el algoritmo hab\u00eda aprendido a detectar patrones metab\u00f3licos caracter\u00edsticos de la enfermedad.<\/p>\n
El \u00faltimo paso, planteado a modo de examen final para evaluar el aprendizaje del algoritmo, se realiz\u00f3 con un conjunto independiente de 40 im\u00e1genes de 40 pacientes. En este caso, ninguna de las tomograf\u00edas hab\u00eda sido estudiada con anterioridad, por lo que el reto planteado era a\u00fan m\u00e1s complicado que en el supuesto anterior. Seg\u00fan informan los investigadores en el reci\u00e9n publicado art\u00edculo, el algoritmo funcion\u00f3 con una sensibilidad del 100% detectando los primeros s\u00edntomas de la enfermedad una media de seis a\u00f1os antes del diagn\u00f3stico oficial.<\/p>\n
<\/p>\n
Una herramienta de apoyo<\/p>\n
El \u00e9xito de esta prueba podr\u00eda suponer una nueva esperanza para el diagn\u00f3stico temprano del alzh\u00e9imer. A\u00fan as\u00ed, los investigadores responsables del estudio matizan que se necesitar\u00e1n pruebas independientes para validar este mecanismo y que, a\u00fan as\u00ed, la inteligencia artificial no podr\u00e1 trabajar por s\u00ed sola. En este sentido, los expertos plantean que en un futuro los algoritmos contribuyan a complementar el trabajo de los radi\u00f3logos mediante el an\u00e1lisis de im\u00e1genes e indicadores bioqu\u00edmicos. Este trabajo conjunto podr\u00eda suponer una nueva oportunidad para el diagn\u00f3stico y la intervenci\u00f3n terap\u00e9utica temprana.<\/p>\n
\u00abSi diagnosticamos la enfermedad de Alzheimer cuando todos los s\u00edntomas se han manifestado, la p\u00e9rdida de volumen cerebral es tan importante que ya es demasiado tarde para intervenir\u00bb, explica Sohn. \u00abSi podemos detectarlo antes, tendremos una oportunidad para que los investigadores encuentren maneras m\u00e1s eficaces de frenar o incluso detener el proceso de la enfermedad\u00bb.<\/p>\n
En esta misma l\u00ednea, el equipo responsable de este estudio apunta a que sus futuras investigaciones ir\u00e1n enfocadas a seguir entrenando el algoritmo en la detecci\u00f3n de otras se\u00f1ales de alerta. Un ejemplo de ello ser\u00eda la b\u00fasqueda de patrones asociados con la acumulaci\u00f3n de prote\u00ednas beta-amiloides y tau, grupos de prote\u00ednas anormales y ovillos en el cerebro, considerados como algunos de los marcadores espec\u00edficos de la enfermedad de Alzheimer.<\/p>\n
<\/p>\n
Valentina Raffio<\/em><\/p>\n Fuente: www.elperiodico.com<\/em><\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" El diagnóstico temprano del alzhéimer es el primer paso para el tratamiento de esta enfermedad. Cuanto antes se detecten los cambios en el cerebro causados por esta patología, antes<\/p>\n