Universitat Oberta de Catalunya

Una técnica basada en inteligencia artificial permite clasificar de forma más precisa que los métodos actuales si progresará o permanecerá estable, lo que abre la puerta a nuevas investigaciones.

La enfermedad de Alzheimer es la principal causa de demencia en el mundo. Aunque no tiene cura, la detección precoz se considera clave para poder desarrollar tratamientos eficaces que actúen antes de que su avance sea irreversible. El deterioro cognitivo leve es una fase que precede a la enfermedad, pero no todas las personas que lo sufren terminan desarrollando alzhéimer. Ahora, un trabajo liderado por científicos de la Universidad Oberta de Catalunya (UOC) y publicado en la revista IEEE Journal of Biomedical and Health Informatics, ha conseguido distinguir con gran precisión aquellas en las que el deterioro es estable y quiénes, sin embargo, progresarán hacia la enfermedad. La nueva técnica, que utiliza métodos de inteligencia artificial específicos para el reconocimiento de imágenes de resonancia magnética, supera en eficacia al resto de métodos usados en la actualidad.

Afinando el diagnóstico

La enfermedad de Alzheimer afecta a más de 50 millones de personas en el mundo, y el envejecimiento de la población hace que puedan ser muchas más en las próximas décadas. Aunque suele desarrollarse sin síntomas durante muchos años, generalmente viene precedida de lo que se conoce como deterioro cognitivo leve, mucho menor que el que presentan los enfermos pero mayor que el esperable por su edad. “Estos pacientes pueden progresar y empeorar o mantenerse en el mismo estado con el tiempo. Por tanto, es importante distinguir entre el deterioro cognitivo progresivo o estable para prevenir la rápida progresión de la enfermedad”, explica Mona Ashtari-Majlan, investigadora de la UOC del grupo AI for Human Wellbeing (AIWELL) -adscrito al eHealth Center y a los Estudios de Informática, Multimedia y Telecomunicación-, estudiante del programa de doctorado de Tecnologías de la Información y de Redes y primera autora del artículo científico.

Identificarlos correctamente podría servir para mejorar la calidad de los ensayos clínicos con los que se prueban tratamientos, y que cada vez más buscan dirigirse a las fases iniciales de la enfermedad. Para conseguirlo, los investigadores usaron un método llamado red neuronal convolucional de múltiples flujos, una técnica de inteligencia artificial y de aprendizaje profundo muy útil para el reconocimiento y clasificación de imágenes.

“Primero comparamos resonancias magnéticas de pacientes con enfermedad de Alzheimer y personas sanas para encontrar diferentes puntos de referencia”, explica Ashtari-Majlan. Tras entrenar el sistema, lo ajustaron con imágenes de resonancia de personas que ya habían sido diagnosticadas con deterioro cognitivo estable o progresivo y en las que las diferencias son mucho más pequeñas. En total, casi 700 imágenes procedentes de bases de datos públicas fueron utilizadas.

El proceso permite, según Ashtari-Majlan, “superar la complejidad que suponen para estos métodos los cambios estructurales tan sutiles que se dan entre ambas formas de deterioro cognitivo leve, mucho menores que los que hay entre un cerebro normal y otro afectado por la enfermedad. Además, el método propuesto podría resolver el problema del pequeño tamaño muestral, ya que el número de resonancias magnéticas para los casos de deterioro cognitivo leve es mucho menor que para los de alzhéimer”.

El nuevo método permite distinguir y clasificar las dos formas de deterioro cognitivo leve con una precisión cercana al 85%. “Los criterios de evaluación demuestran que nuestro método supera a los existentes”, confirma la investigadora, incluyendo métodos más convencionales u otros basados en aprendizaje profundo, incluso cuando se combinan con biomarcadores como la edad o test cognitivos. Además, “podemos compartir nuestra aplicación a petición de quienes quieran reproducir los resultados y comparar sus métodos con los nuestros. Creemos que este método puede ayudar a los profesionales a ampliar la investigación”, concluye.

Esta investigación se incluye dentro del objetivo de desarrollo sostenible (ODS) número 3, garantizar una vida sana y promover el bienestar en todas las edades.

Artículo de referencia: M. Ashtari-Majlan, A. Seifi and M. M. Dehshib (2022). “A multi-stream convolutional neural network for classification of progressive MCI in Alzheimer’s disease using structural MRI images,” in IEEE Journal of Biomedical and Health Informatics, doi: 10.1109/JBHI.2022.3155705.

UOC R&I

La investigación e innovación (RI) de la UOC contribuye a solucionar los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interacción de la tecnología y las ciencias humanas y sociales, con un foco específico en la sociedad red, el aprendizaje en línea y la salud digital. Los más de 500 investigadores e investigadoras y los 51 grupos de investigación se articulan en torno a los siete estudios de la UOC y dos centros de investigación: el Internet Interdisciplinary Institute (IN3) y el eHealth Center (eHC).

La Universidad impulsa también la innovación en el aprendizaje digital a través del eLearning Innovation Center (eLinC) y la transferencia de conocimiento y el emprendimiento de la comunidad UOC con la plataforma Hubbik.

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratégicos de la docencia, la investigación y la innovación de la UOC. Más información: research.uoc.edu #25añosUOC