Un método basado en el aprendizaje profundo que puede predecir la posible aparición de la enfermedad de Alzheimer a partir de imágenes cerebrales con una precisión de más del 99 por ciento ha sido desarrollado por investigadores de las universidades de Kaunas, Lituania.
El método se desarrolló analizando imágenes de resonancia magnética funcional obtenidas de 138 sujetos.
Deterioro cognitivo leve o DCL
Uno de los primeros signos posibles de la enfermedad de Alzheimer es el deterioro cognitivo leve (DCL), que es la etapa entre el deterioro cognitivo esperado del envejecimiento normal y la demencia.
Según la investigación anterior, la resonancia magnética funcional (fMRI) se puede utilizar para identificar las regiones del cerebro que pueden estar asociadas con la aparición de la enfermedad de Alzheimer. Las primeras etapas de DCL a menudo casi no tienen síntomas claros, pero en bastantes casos pueden detectarse mediante neuroimágenes.
Sin embargo, aunque teóricamente posible, el análisis manual de imágenes de resonancia magnética funcional que intentan identificar los cambios asociados con la enfermedad de Alzheimer no solo requiere un conocimiento específico, sino que también requiere mucho tiempo: la aplicación del aprendizaje profundo y otros métodos de inteligencia artificial puede acelerar esto por un margen de tiempo significativo.
Encontrar características de DCL no significa necesariamente la presencia de una enfermedad, ya que también puede ser un síntoma de otras enfermedades relacionadas, pero es más un indicador y una posible ayuda para orientarse hacia una evaluación por parte de un profesional médico. Según el autor principal del estudio:
El procesamiento de señales moderno permite delegar el procesamiento de imágenes a la máquina, que puede completarlo con la suficiente rapidez y precisión. Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al cien por cien. Piense en una máquina como un robot capaz de realizar la tarea más tediosa de clasificar los datos y buscar características. En este escenario, después de que el algoritmo informático selecciona los casos potencialmente afectados, el especialista puede examinarlos más de cerca y, al final, todos se benefician ya que el diagnóstico y el tratamiento llegan al paciente mucho más rápido.