El Alzheimer es una enfermedad neurodegenerativa, un tipo de demencia que causa problemas con la memoria, el pensamiento y el comportamiento. Los síntomas generalmente se desarrollan lentamente y empeoran con el tiempo, hasta que son tan graves que interfieren con las tareas cotidianas.

La Organización Mundial de la Salud (OMS) calcula una cifra aproximada de 60 millones de personas a nivel global que lo padecen, de las cuales 8.1 por ciento son mujeres y 5.4 por ciento, hombres mayores de 65 años.

Para una atención adecuada, es necesario un diagnóstico temprano y un tratamiento integral de alta especialidad que se basa en medicamentos que estimulan y ayudan a prolongar la vida de las neuronas de la memoria para mejorar su calidad de vida. Sin embargo, su detección no es algo sencillo y la mayoría de las ocasiones se hace en situación tardía cuando los síntomas ya están muy desarrollados.

El hallazgo

Para intentar mejorar en dicho campo y lograr mejores resultados, investigadores de la Universidad Politécnica de Madrid (UPM), mediante la aplicación de técnicas de Inteligencia Artificial (IA) de aprendizaje automático implementado al análisis de diferentes imágenes médicas utilizadas para el diagnóstico de enfermedades neurológicas crearon un instrumento.

En la actualidad, la resonancia magnética (MRI, por sus siglas en inglés) y la tomografía por emisión de positrones (PET, por sus siglas en inglés) son las dos modalidades de imágenes médicas utilizadas en el diagnóstico de este tipo de enfermedades, ya que aportan información complementaria de los aspectos anatómicos y metabólicos de la misma, sin embargo, estas pruebas no se realizan sincrónicamente lo que dificulta su integración y la interpretación adecuada de sus resultados.

Lo anterior sirvió de argumento para que un grupo de especialistas de la UPM desarrollaran una metodología considerando dichas herramientas que utiliza las redes neuronales convolucionales, es decir, a partir de datos previamente identificados para identificar patrones, que potencia las tareas de análisis de imágenes y visión por ordenador, permitiendo obtener información significativa de imágenes digitales, vídeos y otras entradas visuales.

Hicieron un análisis sistemático de las MRI y PET para la evaluación del estado de demencia, utilizando diferentes técnicas de fusión: temprana, tardía e intermedia.

A partir de ello, diseñaron e implementaron una solución completamente basada en redes neuronales convolucionales 3D que extraía características de todo el volumen encefálico en tres dimensiones, al cual aplicaron una estrategia para manejar el conjunto de datos obtenidos “altamente desequilibrados e incompletos”.

En otras palabras, el sistema creado sobrepone imágenes MRI y PET obtenidas con anterioridad en diferentes niveles de detección del Alzheimer, para que el modelo tridimensional haga un reacomodo de formas hasta encontrar aspectos que se hayan dejado escapar en otras técnicas o análisis aplicados; información relevante no detectada que ayude a su detección temprana.

Se prevé que “la metodología propuesta represente el primer trabajo que proporciona un análisis de diferentes técnicas de fusión basada en aprendizaje profundo multimodal para la evaluación de la severidad de la demencia”, explicó uno de los involucrados en el proyecto.