Con la resonancia magnética estándar de diagnóstico podemos ver la enfermedad de Alzheimer avanzada, como la atrofia del hipocampo
El aprendizaje automático es un tipo de inteligencia artificial que permite a los programas de ordenador aprender cuando se les ofrecen nuevos datos sin ser programados. Ahora, investigadores de Países Bajos han unido métodos de aprendizaje automático con una técnica especial de resonancia magnética que mide la perfusión (o tasa de absorción del tejido) de la sangre a través del cerebro para detectar las primeras formas de demencia, como deterioro cognitivo leve (DCL), según un estudio publicado en la edición digital de Radiology.
"La RM puede ayudar con el diagnóstico de la enfermedad de Alzheimer", afirma el investigador principal Alle Meije Wink, del Centro Médico de la Universidad VU en Ámsterdam, Países Bajos. "Sin embargo, el diagnóstico precoz de la enfermedad de Alzheimer es problemático", reconoce.
Los científicos saben desde hace tiempo que la enfermedad de Alzheimer es un proceso gradual y que el cerebro sufre cambios funcionales antes de que aparezcan los cambios estructurales asociados con la patología en los resultados de las imágenes. Los médicos no tienen una manera definitiva de identificar quién tiene demencia precoz o qué casos de deterioro cognitivo leve progresarán a enfermedad de Alzheimer.
"Con la resonancia magnética estándar de diagnóstico podemos ver la enfermedad de Alzheimer avanzada, como la atrofia del hipocampo", afirma el doctor Meije Wink. "Pero en ese momento, el tejido cerebral ha desaparecido y no hay forma de restaurarlo. Sería de gran ayuda detectar y diagnosticar la enfermedad antes de que sea demasiado tarde", señala.
Para el nuevo estudio, los investigadores aplicaron métodos de aprendizaje automático para un tipo especial de imágenes de resonancia magnética (IRM) llamado etiquetado arterial spin (ASL, por sus siglas en inglés). El ASL se utiliza para crear imágenes llamadas mapas de perfusión, que muestran la cantidad de sangre que se suministra a diversas regiones del cerebro.
Reconocer patrones en mapas de perfusión
El programa de aprendizaje automático de la máquina enseña a reconocer patrones en estos mapas para distinguir entre los pacientes con diferentes niveles de deterioro cognitivo y predecir el estadio de la enfermedad de Alzheimer en los casos nuevos.
El estudio incluyó a 260 de 311 participantes de 'Alzheimer Center of the VU University Medical Center dementia cohort' que se sometieron a RM con ASL entre octubre de 2010 y noviembre de 2012. El equipo incluyó a 100 pacientes con diagnóstico de probable enfermedad de Alzheimer, 60 pacientes con deterioro cognitivo leve (DCL) y 100 pacientes con deterioro cognitivo subjetivo (DCS) y 26 controles sanos.
DCS y DCL se consideran las primeras etapas del proceso de demencia y se diagnostican en base a la gravedad de los síntomas cognitivos, incluyendo pérdida de memoria y pensamiento y los problemas de toma de decisiones. El sistema automatizado fue capaz de distinguir efectivamente entre los participantes con enfermedad de Alzheimer, DCS y DCL.
Los investigadores fueron capaces de predecir el diagnóstico o la progresión de los pacientes individuales de Alzheimer con un alto grado de precisión, desde el 82 por ciento al 90 por ciento. "ASL es un funcional marcador biológico alternativo prometedor para el diagnóstico precoz de la enfermedad de Alzheimer", señala Wink.
"RM con ASL puede identificar cambios cerebrales que aparecen al principio de proceso de la enfermedad, cuando hay una ventana de oportunidad para intervenir", dice Wink. "Si el proceso de la enfermedad de DCS a DCL a la enfermedad de Alzheimer puede ser interceptada o ralentizarse, esta técnica podría desempeñar un papel en la evaluación", concluye.
Fuente: elmedicointeractivo.com
