Pequeñas señales presentes en imágenes PET permiten identificar a pacientes con un alto riesgo de desarrollar el trastorno, pero a los profesionales humanos les cuesta verlas. Esta máquina de aprendizaje profundo ha aprendido a hacerlo con una precisión del 81%
La enfermedad de Alzheimer es uno de los peores trastornos neurológicos crónicos de la sociedad moderna. En 2015, se estimó que unas 30 millones de personas lo padecían, y al ser enormemente caro de gestionar, supone fuertes cargas a los sistemas santarios de todo el mundo.
Aunque no existe ninguna manera de frenar su progresión en casos avanzados, existen pruebas de que cuando el diagnóstico se realiza pronto es posible ralentizar su desarrollo o incluso frenarlo. Así que encontrar una manera fiable de identificar a las personas en riesgo de desarrollar la enfermedad es un importante objetivo.
El investigador del Centro de Salud Pública Cheonan Kyong Hongyoon Choi y el investigador del Instituto Coreano de Ciencia y Tecnología Avanzada (ambos en Corea del Sur) Hwan Jin afirman haber desarrollado una técnica para ello gracias al aprendizaje profundo. El equipo asegura que su proceso puede identificar con precisión a las personas con altas probabilidades de desarrollar alzhéimer durante los próximos tres años.
Foto: Una red de aprendizaje profundo aprende a reconocer la firma única del Alzheimer en imágenes de tomografía por emisión de positrones (PET) del cerebro humano.
Al envejecer, el declive cognitivo es inevitable. Tendemos a volvernos más despistados, perder el hilo de pensamiento con mayor frecuencia y tener más dificultades para tomar decisiones y ejecutar tareas. Los médicos lo denominan deterioro cognitivo leve y afecta a la mayoría de la gente.
Muchas personas con un leve deterioro cognitivo acaban desarrollando alzhéimer, que es mucho más grave. La gente que lo padece pierde el vocabulario y a menudo sustituye las palabras por otras incorrectas. Deja de reconocer a sus familiares cercanos, pierde capacidades básicas de la autonomía personal y finalmente acaba dependiendo totalmente de sus cuidadores. La mayoría fallece pocos años después de recibir un diagnóstico.
Pero, curiosamente, no todas las personas con un leve deterioro cognitivo siguen esta trayectoria. Algunas jamás van a peor e incluso algunas mejoran. Así que a los médicos les encantaría identificar a quienes tienen más probabilidades de desarrollar alzhéimer, ya que sus posilidades de beneficiarse de un tratamiento también serán más altas.
Una forma de identificar a estos pacientes consiste en estudiar imágenes de tomografía por emisión de positrones (PET, por sus siglas en inglés) del cerebro. Se sabe que el alzhéimer se caracteriza por la formación indeseada de grupos de proteínas llamadas placas amiloides y por un lento metabolismo cerebral medido por el ritmo al cual el cerebro metaboliza el azúcar.
Determinados tipos de imágenes PET pueden revelar ambas señales y, por tanto, pueden ser utilizados para identificar a las personas con un leve deterioro cognitivo y un alto riesgo de desarrollar la enfermedad. Esa es la teoría. En la práctica, interpretar las imágenes es difícil. Los investigadores han encontrado uno o dos marcadores fuertes que pueden ser detectados, pero el proceso es complicado y propenso a errores.
Aquí entran Hongyoon y Kyong, que han reemplazado a los expertos humanos con una red neuronal de aprendizaje profundo.
Su método es sencillo. En los últimos años, los investigadores de la enfermedad de Alzheimer de todo el mundo han estado construyendo una base de datos de imágenes cerebrales de personas con y sin alzhéimer. Hongyoon y Kyong utilizaron esta base de datos para entrenar una red neuronal para reconocer la diferencia entre ellas.
Este conjunto de datos consta de imágenes de 182 personas sexagenarias con cerebros normales e imágenes cerebrales de 139 personas de aproximadamente la misma edad que habían sido diagnosticados de alzhéimer. Con un entrenamiento convencional, la máquina aprendió a reconocer la diferencia con una precisión de casi el 90%.
Después, los investigadores utilizaron su máquina para analizar otro conjunto de datos distinto, compuesto por las imágenes cerebrales de 181 personas sexagenarias con deterioro cognitivo leve de las cuales 79 desarrollaron el trastorno en un plazo de tres años. La tarea para la que Hongyoon y Kyong entrenaron su máquina consistía en detectar a esos individuos susceptibles.
Los resultados son interesantes. Hongyoon y Kyong afirman que su red neuronal identificó a las personas con un alto riesgo de desarrollar alzhéimer con una precisión del 81%. Es una tasa muy superior a la de los expertos humanos que analizan visualmente estas imágenes. Los investigadores afirman que sus “resultados demuestran la viabilidad del aprendizaje profundo como una herramienta para predecir el resultado de enfermedades mediante imágenes cerebrales”.
Su trabajo sugiere una manera relativamente rápida de identificar a las personas con un alto riesgo de desarrollar alzhéimer y las que más se beneficiarían de una intervención temprana. Es un enfoque que podría mejorar la calidad de vida de muchas personas y ahorrarles importantes cantidades de dinero a los sistemas sanitarios.
De manera más general, la técnica de Hongyoon y Kyong es tan solo un ejemplo del creciente uso de aprendizaje profundo en los diagnósticos médicos. Las pruebas sugieren que estas máquinas son capaces de detectar trastornos complejos en fases más tempranas y de forma más precisa que los humanos. Y la técnica funciona para diversas enfermedades, desde las cardiovasculares hasta el cáncer.
Está claro que el aprendizaje profundo está listo para cambiar el mundo de la medicina. La única pregunta para los que padecen actualmente de un leve deterioro cognitivo es: ¿cómo de rápido?
Fuente: MIT