noticias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Nuevo informe de sabiduría

Editor: Er Qiao Yang

[Introducción a la Nueva Sabiduría]La investigación de la Universidad de Cambridge utiliza inteligencia artificial para construir un modelo de aprendizaje automático para predecir con precisión el desarrollo de la enfermedad de Alzheimer. La precisión supera con creces los resultados de las pruebas clínicas, abriendo un nuevo camino para la intervención temprana de la enfermedad de Alzheimer.

Si la inteligencia artificial puede tener un impacto positivo sin precedentes en un campo, la "atención médica" debe ser uno de los candidatos más poderosos, especialmente el diagnóstico temprano y el tratamiento de diversas enfermedades difíciles.

La enfermedad de Alzheimer es una de ellas.

A medida que avanza el envejecimiento de la población, cada vez más personas mayores aparecen como un "borrador" en sus cerebros y sus recuerdos se van borrando, incluido el pasado y sus familiares más cercanos. grupo de ancianos.

Actualmente, más de 55 millones de personas en todo el mundo padecen demencia, con casi 10 millones de casos nuevos cada año.

El tipo más común de demencia es la enfermedad de Alzheimer, que representa entre el 60% y el 70% de todos los casos. Se espera que el número de pacientes con demencia casi se triplique en los próximos 50 años.

A nivel mundial, la enfermedad costó a los sistemas de salud 1,3 billones de dólares solo en 2019.

Cuando se trata de la enfermedad de Alzheimer, la detección temprana es crucial porque es entonces cuando el tratamiento puede ser más eficaz.

Sin embargo, el diagnóstico temprano y el pronóstico de la demencia pueden ser inexactos sin el uso de pruebas invasivas o costosas como la tomografía por emisión de positrones (PET) o la punción lumbar (que no están disponibles en todos los centros médicos).

Como resultado, hasta un tercio de los pacientes pueden ser diagnosticados erróneamente, mientras que otros pueden ser diagnosticados demasiado tarde para recibir un tratamiento eficaz.

Además, para los afectados, padecer la enfermedad puede desencadenar depresión y ansiedad. Sin mencionar a los familiares indefensos y desesperados que los rodean, que han sido testigos de cómo los pacientes perdían gradualmente la memoria, se perturbaban mentalmente y experimentaban un colapso emocional, pero estaban indefensos.

Sin embargo, el desarrollo de la tecnología de inteligencia artificial ha arrojado algo de luz sobre esta situación.

Investigadores del Departamento de Psicología de la Universidad de Cambridge han desarrollado un nuevo modelo de inteligencia artificial que supera a los métodos de pruebas clínicas actuales a la hora de predecir la progresión de la enfermedad de Alzheimer.

El equipo de investigación utilizó pruebas cognitivas y exploraciones por resonancia magnética para predecir si los pacientes con deterioro cognitivo leve desarrollarían la enfermedad de Alzheimer. Los modelos de aprendizaje automático utilizaron datos no invasivos para predecir con precisión la progresión de la enfermedad de Alzheimer en cuatro de cada cinco casos.

Dirección del artículo: https://www.thelancet.com/action/showPdf?pii=S2589-5370%2824%2900304-3

Los resultados de la investigación también se publicaron en la revista eClinical Medicine (publicada por The Lancet). Los autores creen que la tecnología que utiliza el diagnóstico y el tratamiento con inteligencia artificial puede proporcionar una intervención temprana y reducir la dependencia de costosos procedimientos de diagnóstico posteriores.

Predecir con precisión la progresión de la enfermedad de Alzheimer

modelo PPM

El equipo construyó el modelo utilizando pruebas cognitivas y exploraciones por resonancia magnética de la atrofia de la materia gris, la muerte de las células nerviosas en el cerebro, en 400 pacientes recolectados por un equipo de investigación estadounidense.

Para cerrar la brecha entre la inteligencia artificial y la traducción clínica, el artículo crea una herramienta de inteligencia artificial clínica potente e interpretable basada en el modelo PPM (modelo de pronóstico predictivo).

El modelo va más allá de los métodos de clasificación binaria para predecir individuos en las primeras etapas de la enfermedad (deterioro cognitivo leve, DCL), aquellos en la etapa presintomática (cognitivamente normal, CN) y aquellos con enfermedad de Alzheimer (EA) confirmada. .

PPM introduce métodos de modelado de trayectorias para predecir de manera confiable las tendencias futuras de desarrollo de enfermedades a partir de datos multimodales recopilados de forma rutinaria.

Y el uso de múltiples tipos de datos de pacientes, incluida la generalización de cohortes de investigación a datos de pacientes del mundo real, puede mejorar la utilidad clínica y el potencial de adopción en la atención médica.

PPM adopta el marco GMLVQ de aprendizaje conjunto, que es capaz de combinar datos de múltiples modalidades (en lugar de considerar un solo tipo de datos) para predecir con mayor precisión la transformación temprana de la enfermedad que los marcadores clínicos estándar (es decir, atrofia de la materia gris, deterioro cognitivo) o marcadores clínicos. diagnóstico para la probabilidad de la enfermedad de Alzheimer.

Aproveche el poder de los datos multimodales para hacer predicciones a partir de datos no invasivos y de bajo costo recopilados de forma rutinaria que pueden no ser tan sensibles como los biomarcadores, pero que son más accesibles económicamente y no invasivos de recopilar.

Este enfoque guiado por IA para la predicción temprana de modelos grandes tiene un gran potencial:

Al predecir la salud del paciente y reducir los costos de atención médica, menos pacientes se someterán a pruebas de diagnóstico costosas e invasivas;

En segundo lugar, proporcionar recursos escasos a quienes más los necesitan puede mejorar la eficiencia de la asignación de recursos médicos;

Finalmente, aprovechar modelos grandes para estandarizar el diagnóstico en todas las clínicas podría reducir las desigualdades en la atención médica.

Recopilación de datos de muestra

El modelo se probó utilizando una muestra de más de 600 participantes de Estados Unidos y 900 muestras adicionales de clínicas del Reino Unido y Singapur.

Para el entrenamiento de PPM se utilizaron datos de una muestra estadounidense de 600 personas de la cohorte de datos del estudio de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI).

Se utilizaron 900 muestras adicionales para la validación fuera de la muestra como dos conjuntos de datos de prueba independientes, la resonancia magnética cuantitativa del cerebro estructural y funcional del cerebro de la Clínica de Memoria del NHS (QMIN-MC) y el conjunto de datos del Centro de Cognición y Envejecimiento de la Memoria de la Universidad Nacional de Singapur (MACC). .

Estos conjuntos de datos difieren en la demografía de los pacientes y las herramientas de recopilación de datos, lo que permite que los experimentos prueben simultáneamente la compatibilidad del modelo PPM con diferentes grupos nacionales y regionales.

Específicamente, para ADNI, las muestras se seleccionaron en función de criterios específicos relacionados con el deterioro cognitivo leve amnésico y la enfermedad de Alzheimer.

Los datos de resonancia magnética se obtuvieron de sitios de recolección de resonancia magnética en los Estados Unidos. Por el contrario, los datos de QMIN-MC y MACC se recopilaron de servicios representativos de neurología y memoria psiquiátrica en el Reino Unido y Singapur, respectivamente.

Por lo tanto, estas cohortes de pacientes suelen reflejar mejor los perfiles de pacientes específicos encontrados en la práctica clínica que la cohorte de estudio reclutada (ADNI).

Resultados experimentales

Los resultados de las pruebas mostraron que el algoritmo podía distinguir entre personas con deterioro cognitivo leve y aquellas que progresarían a la enfermedad de Alzheimer en tres años.

Y, utilizando únicamente pruebas cognitivas y exploraciones por resonancia magnética, tuvo una precisión del 82 % en la identificación de personas que desarrollarían la enfermedad de Alzheimer en tres años, e identificó correctamente al 81 % de las personas que no desarrollarían la enfermedad de Alzheimer.

Además, también puede realizar un seguimiento de la progresión de la enfermedad y proporcionar el método de tratamiento más adecuado según las diferentes circunstancias del caso.

El modelo de IA también permitió a los investigadores utilizar datos de la primera visita al médico de cada persona para dividir a los pacientes con Alzheimer en tres grupos: aquellos cuyos síntomas se mantuvieron estables (alrededor del 50 por ciento), aquellos cuyos síntomas progresaron lentamente (alrededor del 35 por ciento) y aquellos cuyos síntomas progresaron lentamente (alrededor del 35 por ciento). Personas cuyos síntomas se desarrollan más rápidamente (alrededor del 15%).

Estas predicciones se confirmaron cuando los investigadores rastrearon los datos durante 6 años de seguimiento. Creen que la solución de IA es tres veces más precisa que el diagnóstico clínico a la hora de predecir la progresión de la enfermedad de Alzheimer.

La predicción anticipada precisa es importante porque puede ayudar a identificar a las personas que probablemente se enfermarán en una etapa temprana, al mismo tiempo que identifica a aquellas que necesitan una estrecha vigilancia porque su condición puede empeorar rápidamente.

"Si queremos abordar el creciente desafío para la salud que plantea la demencia, necesitaremos mejores herramientas para la identificación e intervención tempranas", afirmó Zoe Kourtzi, profesora del Departamento de Psicología de la Universidad de Cambridge.

"Nuestra visión es ampliar el uso de herramientas de inteligencia artificial para ayudar a los médicos a detectar grupos enfermos de manera temprana y utilizar los métodos de tratamiento correctos. En un momento en que los recursos médicos están bajo una enorme presión, esto también ayudará a eliminar la necesidad de costosos y dañinos innecesarios. pruebas diagnósticas”.

Las pruebas tempranas también son importantes para detectar diagnósticos erróneos, y en personas que tienen síntomas como pérdida de memoria pero permanecen estables, sus síntomas pueden ser causados ​​por algo distinto a la demencia, como ansiedad o depresión.

El Dr. Ben Underwood, psiquiatra consultor honorario del CPFT y profesor asistente en el Departamento de Psiquiatría de la Universidad de Cambridge, dijo: "Los problemas de memoria son comunes a medida que envejecemos. Clínicamente, es imposible determinar si este es el primer signo de "Demencia y causará problemas a los pacientes. Vendrá con muchas preocupaciones".

Si se puede identificar con precisión que las personas con condiciones estables no padecen la enfermedad de Alzheimer, esto también reducirá en gran medida la presión psicológica de los pacientes.

El profesor Kourtzi dijo: "Los modelos de IA son tan buenos como los datos con los que se entrenan. Para garantizar que nuestros modelos tengan el potencial de aplicarse en entornos de atención médica, no solo utilizamos datos de cohortes de investigación, sino también datos de pacientes de clínicas. entrenarlo y probarlo, lo que demuestra que el modelo puede promoverse para su aplicación clínica".

En el futuro, el equipo de investigación espera ampliar su modelo a otros tipos de demencia, como la demencia vascular y la demencia frontotemporal, y utilizar diferentes tipos de datos, como marcadores en análisis de sangre.

La investigación contó con el apoyo de varias instituciones, entre ellas Wellcome, Alzheimer's Research UK, la Royal Society y el Instituto Nacional de Salud y Atención del Centro de Investigación Biomédica de Cambridge.

Diagnóstico temprano de la demencia

Además de crear modelos de predicción de IA, las universidades europeas están utilizando activamente tecnología de inteligencia artificial para resolver el problema de la enfermedad de Alzheimer.

Con el apoyo de 14 millones de euros del programa Horizon de la UE, el proyecto AI-Mind está desarrollando dos herramientas de inteligencia artificial que podrían permitir el diagnóstico precoz de la demencia.

AI-Mind se lanza en 2021 y continuará hasta 2026. Entre sus socios se incluyen siete universidades europeas, incluida la Universidad Aalto en Finlandia, la Universidad de Tallin en Estonia y el Centro Médico de la Universidad Radboud en los Países Bajos.

Se dirige específicamente a la etapa de deterioro cognitivo leve (DCL), donde no hay defectos cerebrales estructurales y la intervención aún es posible.

Para lograr este objetivo, los 13 socios detrás del proyecto están construyendo AI-Mind Connector y AI-Mind Predictor.

Connector analiza imágenes cerebrales de EEG para detectar signos tempranos que pueden provocar demencia.

Predictor combina estos datos con pruebas cognitivas y análisis de sangre para estimar el riesgo de la enfermedad con una precisión superior al 95 por ciento.

Ambas herramientas se integrarán en plataformas de diagnóstico en la nube que actualmente utilizan los profesionales médicos.

El objetivo final del proyecto es ambicioso: reducir el tiempo de diagnóstico de 2 a 5 años a 1 semana. De esta forma se espera prolongar el período asintomático de los pacientes con deterioro cognitivo leve.

Seguimiento de grupos de proteínas

Otro caso de uso de la IA en la lucha contra la demencia es mejorar nuestra comprensión de los grupos de proteínas en el cuerpo y rastrear su patología.

Para que nuestro cuerpo funcione correctamente, se producen miles de millones de interacciones entre las proteínas y otras moléculas dentro de las células.

Pero cuando la interacción sale mal, las proteínas pueden agruparse y deteriorarse, provocando enfermedades neurológicas como el Alzheimer.

Investigadores de la Universidad de Copenhague han desarrollado un algoritmo de inteligencia artificial que puede detectar grupos de proteínas de un tamaño de una milmillonésima parte en imágenes microscópicas.

El algoritmo también puede contar grupos, clasificarlos por forma y tamaño y monitorear cómo cambian con el tiempo.

Esto podría ayudar a los científicos a comprender por qué se forman estos cúmulos, lo que conduciría al descubrimiento de nuevos fármacos y tratamientos.

Según el equipo, la herramienta automatiza un proceso que a los investigadores les llevaría semanas completar en solo unos minutos.

Además, este algoritmo de aprendizaje automático está disponible gratuitamente en Internet como modelo de código abierto.

"A medida que investigadores de todo el mundo comiencen a implementar esta herramienta, ayudará a crear una gran biblioteca de estructuras moleculares y proteicas relevantes para una variedad de enfermedades y biología", dijo Nikos Hatzakis, coautor del estudio.

Referencias:

https://www.medicaldevice-network.com/news/university-of-cambridge-ai-model-alzheimers/

https://thenextweb.com/news/europe-universities-using-ai-battle-dementia