Predecir el riesgo de alzhéimer con un 99,99% de precisión ahora ya es posible
Esta nueva IA puede identificar los primeros marcadores de la enfermedad de Alzheimer con más del 99% de precisión. Al evaluar los escáneres cerebrales de los adultos mayores, el algoritmo puede detectar cambios sutiles que suelen tener lugar antes del diagnóstico, lo que permite a los médicos ofrecer un tratamiento temprano a las personas de alto riesgo.
Así, la IA reconoce con éxito los signos de deterioro cognitivo leve que, por lo general, no produce síntomas perceptibles, y está asociado con cambios en ciertas regiones del cerebro que se pueden detectar en las exploraciones de imágenes de resonancia magnética funcional (fMRI). Sin embargo, los médicos no siempre los identifican al mirar directamente estos escáneres.
Los investigadores reutilizaron una red neuronal existente llamada ResNet18 y crearon un modelo de IA capaz de identificar estos pormenores con mayor confiabilidad. La IA fue entrenada con 51.443 escáneres cerebrales de 138 personas. Luego, se utilizaron otras 27.310 imágenes para validar el algoritmo, que pudo identificar el deterioro cognitivo temprano con una precisión del 99,99% y el MCI tardío con una precisión del 99,95%.
«El procesamiento de señales moderno permite delegar el procesamiento de imágenes a la máquina, lo que puede completarlo con la suficiente rapidez y precisión», explicó el autor del estudio, Rytis Maskeliūnas, en su estudio publicado en la revista Diagnostics. «Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al cien por cien».
«El modelo propuesto funcionó mejor que otros modelos conocidos en términos de precisión, sensibilidad y especificidad», escriben los autores, y añaden que su sistema es «más confiable y preciso» que las herramientas de diagnóstico existentes para el riesgo futuro del alzhéimer.
![](https://simplementecielo.com.py/web/wp-content/uploads/2021/09/al.png)
Referencia: Analysis of Features of Alzheimer’s Disease: Detection of Early Stage from Functional Brain Changes in Magnetic Resonance Images Using a Finetuned ResNet18 Network by Department of Multimedia Engineering, Kaunas University of Technology, 44249 Kaunas, LithuaniaDepartment of Applied Informatics, Vytautas Magnus University, 44248 Kaunas, Lithuania Academic Editor: Markos G. Tsipouras
Fuente: Diagnostics 2021, 11(6), 1071; https://doi.org/10.3390/diagnostics11061071