Un algoritmo IA para detectar el Alzheimer años antes de manifestarse

La enfermedad de Alzheimer, llamada demencia senil de tipo Alzheimer o simplemente alzhéimer,​ es una enfermedad neurodegenerativa. Se caracteriza, habitualmente, por una pérdida de la memoria inmediata y de otras capacidades mentales a medida que mueren las neuronas y se atrofian diferentes zonas del cerebro.

Es una enfermedad terrible que, además, es muy difícil de diagnosticar y tratar. No tiene cura, pero existen ciertos tratamientos que dan algo de esperanza para frenar el progreso de la enfermedad. La parte menos positiva es que estos tratamientos (muchos de ellos en fase de investigación) solo son efectivos si se realiza una detección temprana del alzhéimer.

Una de las esperanzas más prominentes para lograr una detección temprana efectiva está en los algoritmos de inteligencia artificial. Jae Ho Sohn, del Departamento de Radiología e Imagen Biomédica de la Universidad de California en San Francisco, publicó un estudio en Radiology en el que se muestra un modelo de Deep learning que combina la neuroimagen con el aprendizaje automático para intentar predecir si un paciente desarrollará o no la enfermedad de Alzheimer cuando presentaba por primera vez un deterioro en la memoria, el mejor momento para intervenir.

La clave del interés en utilizar un modelo de Deep learning para diagnosticar alzhéimer es, precisamente, la velocidad de desarrollo de la enfermedad. Los médicos son capaces de diagnosticar la enfermedad más fácilmente cuanto más avanzada esté en su progreso, ya que la tomografía por emisión de positrones (PET) puede servir para detectar zonas del cerebro en las que hay poca demanda de glucosa o ciertas proteínas asociadas a la enfermedad. Sin embargo, en etapas tempranas del alzhéimer, y ya que la velocidad de desarrollo es tan lenta, los cambios en la demanda de glucosa por las neuronas son demasiado sutiles para los humanos.

No es el caso de los algoritmos de inteligencia artificial. Con el entrenamiento adecuado es posible que el modelo propuesto por Sohn sea capaz de realizar el diagnóstico mucho antes que cualquier experto humano. Para entrenar el algoritmo, se utilizó un conjunto de datos público masivo de tomografías PET de pacientes que finalmente fueron diagnosticados con enfermedad de Alzheimer, deterioro cognitivo leve o ningún trastorno. De esta forma, el algoritmo comenzó a aprender por sí mismo qué características son importantes para predecir el diagnóstico de la enfermedad, y cuáles no.

Procesó 1.921 exploraciones antes de probar dos nuevos conjuntos de datos y así ser evaluado. El primer conjunto de datos constaba de 188 imágenes que provenían de la misma base de datos inicial, pero que aún no se habían presentado al algoritmo. El segundo conjunto de datos eran nuevas exploraciones de 40 pacientes reales. Los resultados hablan por sí mismos: identificó correctamente el 92% de los pacientes que desarrollaron la enfermedad de Alzheimer en el primer conjunto de pruebas y el 98% en el segundo conjunto.

Lo más relevante no fue eso, sino que se realizaron las predicciones correctas con una antelación promedio de 75,8 meses o, lo que es lo mismo, algo más de seis años.

Estas son las aplicaciones de la inteligencia artificial que más esperanza dan a la sociedad. Una detección temprana del alzhéimer puede mejorar considerablemente la calidad de vida de los pacientes y sus familias, y si a ello añadimos el esfuerzo de I+D para el desarrollo de nuevos fármacos que detengan el avance de la enfermedad, los pronósticos a medio plazo no pueden ser más optimistas.