fbpx

[ad_1]

Geralt/Pixabay

Geralt/Pixabay

Nuevo investigar realizado por científicos asociados con el Instituto Max Planck para la Cognición y el Cerebro en Leipzig, Alemania, y el Centro Médico de la Universidad de Leipzig, demuestra que Inteligencia artificial (AI) el aprendizaje automático puede detectar tipos raros demencia utilizando imágenes médicas.

“Los síndromes de demencia son difíciles de diagnosticar”, escriben los investigadores. “Nuestro objetivo era crear un clasificador de síndromes de demencia múltiple utilizando imágenes de resonancia magnética (IRM)”.

La demencia y la esperanza de vida están aumentando en todo el mundo. Para 2050, la cantidad de personas mayores de 65 años aumentará a casi 1.500 millones, frente a los 524 millones en 2010, según estimaciones. informe por la Organización Mundial de la Salud y el Instituto Nacional sobre el Envejecimiento de EE. UU. y los Institutos Nacionales de Salud de EE. UU. Según el mismo informe, la esperanza de vida al nacer en varios países es de al menos 81 años. De manera alarmante, la cantidad de personas con demencia en todo el mundo casi se triplicará a 152,8 millones para 2050, de 27,4 millones en 2019, según el estudio Global Burden of Disease Dementia publicado el año pasado en La salud pública de Lancet.

La demencia es un término amplio que se caracteriza por cambios en el cerebro con síntomas comunes que pueden incluir cambios psicológicos como preocupación, depresión, personalidad cambios, entusiasmo, paranoiacomportamiento inapropiado, alucinaciones y problemas cognitivos como pérdida de memoria, confusión, desorientación y dificultad para pensar, comunicarse, razonar, resolver problemas, planificar, organizar, coordinar o la función motora.

Según Stanford Medicine, la demencia es causada por daños o cambios en el cerebro. Varias enfermedades pueden causar demencia. Las causas comunes incluyen la enfermedad de Alzheimer, la demencia vascular, la enfermedad de Parkinson, la enfermedad de Pick, la demencia frontotemporal y la demencia con cuerpos de Lewy. Las causas menos comunes de EA incluyen la enfermedad de Huntington, las leucoencefalopatías, la enfermedad de Creutzfeldt-Jakob, la esclerosis lateral amiotrófica (ELA), la esclerosis múltiple (EM), la sífilis y la atrofia multisistémica, un grupo de enfermedades cerebrales degenerativas según Stanford Medicine.

Según la Organización Mundial de la Salud, la causa más común de demencia progresiva es la enfermedad de Alzheimer (EA), que representa del 60 al 70 por ciento de los pacientes con demencia. Según datos de la Escuela de Medicina de Harvard, 16 millones de personas en los Estados Unidos tendrán la enfermedad de Alzheimer para el año 2050. Se estima que 5,8 millones de personas en los Estados Unidos viven con la enfermedad de Alzheimer, dos tercios de los cuales son mujeres, según un informe de AARP y el Women’s Alzheimer’s Movement (WAM).

Los síntomas neuropsiquiátricos asociados con la enfermedad de Alzheimer pueden incluir depresión, retraimiento social, psicosisdivagación, apatía, agitación, desconfianza en otros, desinhibición y delirio. Memoria de corto plazo la pérdida es un síntoma común en la enfermedad de Alzheimer temprana. En las últimas etapas de la enfermedad, las personas con Alzheimer olvidan cómo realizar las tareas diarias básicas y, en última instancia, dependen de los cuidadores para sobrevivir.

Para clasificar los datos, los científicos utilizaron un algoritmo de aprendizaje automático AL con métodos de predicción robustos llamado máquina de vectores de soporte (SVM). Se utilizó IA para clasificar al paciente frente al grupo de control (clasificación binaria), así como un clasificador multisindrómico con los siete grupos de diagnóstico entre sí (clasificación multiclase).

“Hasta donde sabemos, este es uno de los primeros estudios que evalúan métodos computarizados para diferenciar múltiples (aquí siete) síndromes de demencia basados ​​en patrones de atrofia con datos volumétricos de resonancia magnética cerebral y SVM”, informaron los investigadores.

El estudio utilizó datos del German FTLD Research Consortium, que incluyó una cohorte multicéntrica que utilizó datos de 477 sujetos que constaban de 426 pacientes y 51 controles sanos. Los pacientes incluyeron 146 con variante conductual de demencia frontotemporal (bvFTD), 72 con enfermedad de Alzheimer, 58 con afasia progresiva no fluida (PNFA o nfvPPA-variante no fluida/agramática de PPA), 48 con parálisis supranuclear progresiva (PSP), 46 con variante semántica de afasia progresiva primaria (svPPA), 30 con variante logopénica de la afasia progresiva primaria (lvPPA) y 26 con síndrome corticobasal (CBS).

Los investigadores sugirieron que los clasificadores binarios de inteligencia artificial y los clasificadores de síndromes múltiples pueden lograr una alta precisión en la diferenciación de síndromes. Los resultados fueron prometedores para la clasificación binaria, menos para el clasificador multisíndrome. Los resultados del modelo multisíndrome fueron más de tres veces más altos que la tasa de probabilidad, pero con solo un 47 por ciento de precisión, dijeron los investigadores. Como prueba de principio, los investigadores concluyeron que la clasificación multisindrómica es prometedora, pero actualmente no es aplicable en un entorno clínico.

Por otro lado, los modelos de aprendizaje automático de IA para la clasificación binaria lograron una alta precisión de predicción que va del 71 al 95 por ciento. El estudio sugiere que el uso de inteligencia artificial para diferenciar entre síndromes de demencia y controles sanos “está listo para traducirse a la rutina clínica si se prueba en cohortes prospectivas externas en el futuro”.

“Los resultados sugieren que los métodos automatizados aplicados a los datos de resonancia magnética pueden ayudar a los médicos a diagnosticar los síndromes de demencia”, concluyeron los investigadores. “Esto es especialmente cierto para las enfermedades huérfanas distintas de los síndromes comunes como la enfermedad de Alzheimer”.

Copyright © 2023 Cami Rosso. Todos los derechos reservados.

[ad_2]

Source link