De las enfermedades nuerodegenerativas, el Alzheimer es fácilmente la más peligrosa. En estimados de la Organización Mundial de la Salud (OMS), es también la más frecuente. Hasta 7 de cada 10 casos de demencia son diagnosticados con esta condición. Aunque existen formas de retrasar su aparición, el método más efectivo es aún el farmacológico. Pero para saber cómo aplicarlo eficazmente, se debe tener un diagnóstico temprano. Esta misión suele ser compleja.
Sin embargo, la Inteligencia Artificial (IA) parece tener una solución. Un nuevo sistema de Deep Learning apunta que puede predecir el Alzheimer con mucha anticipación. De hecho, afirma que puede lograrlo hasta 6 años antes que el diagnóstico clínico. Los responsables de este método publicaron los detalles en la revista Radiology.
Rastreando el Alzheimer por el consumo de energía
Jae Ho Sohn, autor líder del estudio, señala que el objetivo del equipo era simple. Encontrar una forma de diagnosticar el cáncer antes de experimentar deterioro de la memoria. El experto razonó que las células del cerebro utilizan glucosa para funcionar. Conforme se acercan al final de su vida, gradualmente usan menos. Así, el consumo de esta azúcar podría servir como un indicador.
Sin embargo, la progresión del Alzheimer es muy lenta. Por eso, apunta Sohn, detectar cambios a simple vista es muy difícil. Por eso, diseñó un sistema de Deep Learning. Esta IA analizó casi 2 mil escaneos cerebrales de glucosa. Los exámenes muestran la progresión de cientos de pacientes hacia la demencia, deterioro cognitivo moderado o la buena salud mental. Eventualmente, la máquina pudo identificar patrones de diagnóstico confiables.
Tras alimentar a la IA con los datos, se probó en dos conjuntos de imágenes nuevos. Uno de ellos pertenecía a la misma base inicial, pero que no se le había mostrado anteriormente. El otro pertenecía a una muestra de participantes recolectada por los investigadores. En ambos, la máquina logró un porcentaje de diagnóstico correcto superior al 90 por ciento. En promedio, estimó correctamente la enfermedad 6 años antes de ser detectable por expertos médicos.
Sohn apunta que debe calibrarse y validarse el sistema de Deep Learning en una cohorte más diversa y voluminosa. Cree que su algoritmo tiene la posibilidad de volverse clínicamente relevante. Espera que su herramienta, una vez que supere las pruebas clínicas, sirva como apoyo médico. En específico, quiere que ayude a los pacientes a recibir el tratamiento oportunamente.
