El enfoque de inteligencia artificial puede ayudar a detectar la enfermedad de Alzheimer a partir de pruebas de imágenes cerebrales de rutina

El enfoque de inteligencia artificial puede ayudar a detectar la enfermedad de Alzheimer a partir de pruebas de imágenes cerebrales de rutina

Investigadores del Hospital General de Massachusetts (MGH) han desarrollado un nuevo método para detectar la enfermedad de Alzheimer que se basa en imágenes clínicas del cerebro, lo que podría conducir a diagnósticos más precisos. El equipo usó el aprendizaje profundo para crear un modelo de detección de la enfermedad de Alzheimer basado en imágenes de resonancia magnética (IRM) recopiladas de pacientes con y sin la enfermedad que fueron vistos en MGH antes de 2019. Luego probaron el modelo en cinco conjuntos de datos, incluidos los datos recopilados de hospitales fuera del MGH y después de 2019. En general, el modelo detectó con precisión el riesgo de enfermedad de Alzheimer con una precisión del 90,2 %.

Una de las principales novedades de este estudio fue su capacidad para detectar la enfermedad de Alzheimer independientemente de otras variables, como la edad. El modelo de aprendizaje profundo se hizo "ciego" a las características del cerebro que estaban demasiado asociadas con la edad declarada del paciente, lo que ayudó al modelo a detectar casos de aparición temprana. Además, el modelo usó una métrica de incertidumbre para determinar si los datos del paciente eran demasiado diferentes de lo que se entrenó para hacer una predicción exitosa.

Los investigadores anotaron que este estudio es uno de los únicos que utiliza resonancias magnéticas cerebrales recolectadas de forma rutinaria para detectar la demencia. Los resultados del estudio respaldan el uso clínico de esta tecnología de diagnóstico. La investigación fue apoyada por los Institutos Nacionales de Salud y el Programa de Innovación Tecnológica financiado por el Ministerio de Comercio, Industria y Energía de la República de Corea.

Este estudio es importante porque aborda los desafíos de detectar la enfermedad de Alzheimer utilizando modelos de aprendizaje profundo, especialmente en entornos del mundo real. La capacidad de detectar la enfermedad de Alzheimer independientemente de otras variables, como la edad, es crucial para la detección temprana y la intervención rápida, lo que puede mejorar los resultados de los pacientes. El uso de una métrica de incertidumbre para determinar la confiabilidad de las predicciones del modelo también es esencial, ya que garantiza que el modelo no haga predicciones basadas en datos que sean demasiado diferentes de aquellos con los que se entrenó.

También cabe destacar el uso que hacen los investigadores de imágenes cerebrales clínicas recogidas de forma rutinaria para la detección de la enfermedad de Alzheimer. La mayoría de los estudios sobre la detección de la enfermedad de Alzheimer se han realizado en el laboratorio, utilizando pruebas de imagen cerebral especializadas y de alta calidad. Sin embargo, este estudio demuestra que las imágenes cerebrales clínicas recolectadas de forma rutinaria se pueden usar para detectar con precisión la enfermedad de Alzheimer, lo que tiene implicaciones para los entornos clínicos del mundo real.

En general, los resultados de este estudio respaldan el uso clínico de esta tecnología de diagnóstico, que puede ayudar a los profesionales de la salud a detectar con precisión la enfermedad de Alzheimer y brindar una intervención oportuna a sus pacientes. También es un paso prometedor hacia el uso del aprendizaje profundo y la inteligencia artificial en el cuidado de la salud, que tiene el potencial de revolucionar la detección y el tratamiento de enfermedades.

Resumen: Utilizando datos de neuroimagen, un nuevo algoritmo de aprendizaje profundo pudo detectar la enfermedad de Alzheimer con una precisión del 90,2 %.

Fuente: masa general

Si quieres conocer otros artículos parecidos a El enfoque de inteligencia artificial puede ayudar a detectar la enfermedad de Alzheimer a partir de pruebas de imágenes cerebrales de rutina puedes visitar la categoría Tutoriales.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir

Esta página web utiliza cookies para analizar de forma anónima y estadística el uso que haces de la web, mejorar los contenidos y tu experiencia de navegación. Para más información accede a la Política de Cookies . Ver mas