El Deep Learning Acelerado por GPU Puede Detectar los Primeros Signos de la Enfermedad de Alzheimer

por Brian Caulfield

Los diagnósticos rápidos son esenciales, especialmente cuando un ser querido parece estar perdiendo lentamente sus capacidades cognitivas.

Investigadores de la Universidad Tecnológica de Kaunas en Lituania informan que han desarrollado un método basado en el deep learning que puede predecir la posible aparición de la enfermedad de Alzheimer a partir de imágenes cerebrales con una precisión de más del 99 por ciento.

El impacto de un diagnóstico más rápido de la enfermedad de Alzheimer podría ser enorme. La enfermedad, la causa más común de demencia, ya afecta a 24 millones de personas cada año, según la Organización Mundial de la Salud. Estas cifras aumentarán a medida que la población mundial envejezca.

La velocidad es fundamental con la enfermedad de Alzheimer. Aunque no existe cura, varios estudios han demostrado beneficios significativos al iniciar el tratamiento en una etapa temprana del curso de la enfermedad.

“Piense en una máquina como un robot capaz de realizar la tarea más tediosa de clasificar datos y buscar recursos”, dijo Rytis Maskeliūnas, investigador de la Universidad de Kaunas que supervisó el equipo que trabaja en el modelo.

“Una vez que el algoritmo de la computadora selecciona los casos potenciales, el especialista puede examinarlos más de cerca”, dijo Maskeliūnas. «Todos se benefician ya que el diagnóstico y el tratamiento llegan al paciente mucho más rápido».

Los primeros signos de la enfermedad de Alzheimer pueden ser un desafío para que la gente común los reconozca en sus amigos y familiares. Puede ser difícil distinguir el deterioro cognitivo leve, o DCL, que es el primer signo de la enfermedad de Alzheimer de los efectos normales del envejecimiento.

Si bien las imágenes de resonancia magnética funcional del cerebro prometen ayudar, el problema, señalan los investigadores, es que detectar los signos de la enfermedad de Alzheimer en estas imágenes requiere conocimientos específicos y lleva tiempo.

Las técnicas de deep learning prometen acelerar este proceso de manera significativa, permitiendo que las personas afectadas sean remitidas rápidamente para su evaluación por un profesional médico.

El modelo basado en el deep learning del equipo de la Universidad de Kaunas se basó en la conocida red neuronal ResNet 18, que clasifica las imágenes de resonancia magnética funcional de 138 personas.

Los investigadores entrenaron su modelo en workstations equipadas con GPU NVIDIA en imágenes del conjunto de datos de resonancia magnética funcional de la Iniciativa de neuroimagen de la enfermedad de Alzheimer.

Luego, el modelo entrenado pudo encontrar de manera efectiva las características de MCI, logrando una precisión de clasificación del 99,99 por ciento al distinguir entre deterioro cognitivo leve y enfermedad de Alzheimer temprana.

El modelo también logró una precisión del 99,95 por ciento al distinguir entre DCL tardío frente a la enfermedad de Alzheimer y DCL frente a DCL temprano.

«Si bien este no fue el primer intento de diagnosticar la aparición temprana de Alzheimer a partir de datos similares, nuestro principal avance es la precisión del algoritmo», dijo Maskeliūnas. «Números tan altos no son verdaderos indicadores de desempeño en la vida real, pero estamos trabajando con instituciones médicas para obtener más datos».

En el futuro, el algoritmo podría ser la base de un software capaz de analizar rápidamente datos de grupos vulnerables, como los mayores de 65 años o con antecedentes familiares de demencia, y alertar al personal médico.

Estudio: https://www.mdpi.com/2075-4418/11/6/1071