PSIQUIATRÍA

Indicadores dinámicos de enfermedades mentales captados por inteligencia artificial avanzada en imágenes cerebrales

Eurekalert · 26 julio 2022

Una nueva investigación del Centro TReNDS de la Universidad Estatal de Georgia (Estados Unidos) podría conducir a un diagnóstico precoz de enfermedades devastadoras como el Alzheimer, la esquizofrenia 0 el autismo, a tiempo para ayudar a prevenir y tratar más fácilmente estos trastornos.

En un nuevo estudio publicado en Scientific Reports, un equipo creó un sofisticado programa informático capaz de examinar cantidades ingentes de datos de imágenes cerebrales y descubrir nuevos patrones relacionados con enfermedades mentales. Los datos de las imágenes cerebrales procedían resonancias magnéticas funcionales (RMf), que miden la actividad cerebral dinámica detectando pequeños cambios en el flujo sanguíneo.

"Construimos modelos de inteligencia artificial para interpretar las grandes cantidades de información de la RMf", explica Sergey Plis, autor principal del estudio.

Plis comparó este tipo de imágenes dinámicas con una película -en contraposición a una instantánea como una radiografía o una resonancia magnética estructural más común- y señaló que "los datos disponibles son mucho más amplios y ricos que los de un análisis de sangre o una resonancia magnética normal".

Además, las RMf sobre estas condiciones específicas son caras y no son fáciles de obtener. Sin embargo, utilizando un modelo de inteligencia artificial, se pueden extraer datos de las RMf normales. Y se dispone de un gran número de ellas.

"Hay grandes conjuntos de datos disponibles en individuos sin un trastorno clínico conocido", explica Vince Calhoun, director fundador del Centro TReNDS y uno de los autores del estudio. El uso de estos grandes conjuntos de datos disponibles, pero no relacionados, mejoró el rendimiento del modelo en conjuntos de datos específicos más pequeños. "Surgieron nuevos patrones que pudimos relacionar definitivamente con cada uno de los tres trastornos cerebrales", explica Calhoun.

Los modelos de IA se entrenaron primero con un conjunto de datos que incluía a más de 10.000 individuos para aprender a entender las imágenes básicas de la RMf y la función cerebral. A continuación, los investigadores utilizaron conjuntos de datos de más de 1.200 personas con trastornos del espectro autista, esquizofrenia y Alzheimer.

"Si podemos encontrar marcadores y predecir el riesgo de Alzheimer en una persona de 40 años -apunta Calhoun-, podríamos hacer algo al respecto".

Del mismo modo, si se pueden predecir los riesgos de esquizofrenia antes de que se produzcan cambios reales en la estructura cerebral, podría haber formas de ofrecer tratamientos mejores o más eficaces.

"Aunque sepamos por otras pruebas o por los antecedentes familiares que alguien corre el riesgo de padecer un trastorno como el Alzheimer, seguimos sin poder predecir cuándo se producirá exactamente -añade. "Las imágenes cerebrales podrían reducir esa ventana temporal, al captar los patrones relevantes cuando aparecen antes de que la enfermedad clínica sea evidente".

"La idea es que recopilemos un gran conjunto de datos de imágenes, que nuestros modelos de inteligencia artificial los analicen y nos muestren lo que han aprendido sobre determinados trastornos -explica Plis-. Estamos construyendo sistemas para descubrir nuevos conocimientos que no podríamos descubrir por nuestra cuenta".

"Nuestro objetivo –comenta Mahfuzur Rahman, primer autor del estudio- es unir los mundos grandes y los conjuntos de datos grandes con los mundos pequeños y los conjuntos de datos específicos de la enfermedad y avanzar hacia marcadores relevantes para las decisiones clínicas".

Referencia: Sci Rep. 2022;12(1):12023. Published 2022 Jul 21. doi:10.1038/s41598-022-15539-2