La intel·ligència artificial ajuda a diagnosticar la deterioració cognitiva lleu que progressarà cap a l'Alzheimer

 

La malaltia d'Alzheimer afecta més de 50 milions de persones al món (foto: Jack Finnigan / unsplash.com)

27/04/2022
Jesús Méndez

La deterioració cognitiva lleu antecedeix la malaltia d'Alzheimer, però no necessàriament hi condueix


Una tècnica basada en intel·ligència artificial permet classificar si progressarà o es mantindrà estable

La malaltia d'Alzheimer és la principal causa de demència al món. Tot i que no té cura, la detecció precoç es considera clau per poder desenvolupar tractaments eficaços que actuïn abans que avanci de manera irreversible.

La deterioració cognitiva lleu és una fase que precedeix la malaltia, però no totes les persones que la pateixen acaben desenvolupant Alzheimer. Ara, un treball liderat per científics de la Universitat Oberta de Catalunya (UOC) i publicat a la revista IEEE Journal of Biomedical and Health Informatics ha aconseguit distingir amb gran precisió les persones en què la deterioració és estable i les persones en què progressarà cap a la malaltia. La nova tècnica, que utilitza mètodes d'intel·ligència artificial específics per al reconeixement d'imatges de ressonància magnètica, supera en eficàcia la resta de mètodes que es fan servir en l'actualitat.

 

Afinant el diagnòstic

La malaltia d'Alzheimer afecta més de 50 milions de persones arreu del món, i l'envelliment de la població fa que puguin ser moltes més en les pròximes dècades. Tot i que s'acostuma a desenvolupar sense símptomes durant molts anys, generalment ve precedida del que es coneix com a deterioració cognitiva lleu, molt inferior a la que presenten els malalts, però superior al que seria esperable per l'edat. "Aquests pacients poden progressar i empitjorar o mantenir-se en el mateix estat amb el temps. Per tant, és important distingir entre la deterioració cognitiva progressiva i l'estable per prevenir la progressió ràpida de la malaltia", explica Mona Ashtari-Majlan, investigadora de la UOC del grup AI for Human Wellbeing (AIWELL), adscrit a l'eHealth Center i als Estudis d'Informàtica, Multimèdia i Telecomunicació, estudiant del programa de doctorat de Tecnologies de la Informació i de Xarxes, sota la direcció de David Masip i Mohammad Mahdi Dehshibi, i primera autora de l'article científic.

Identificar-les correctament podria servir per millorar la qualitat dels assajos clínics amb què es proven tractaments i que busquen cada vegada més dirigir-se a les fases inicials de la malaltia. Per aconseguir-ho, els investigadors van emprar un mètode anomenat xarxa neuronal convolucional de múltiples fluxos, una tècnica d'intel·ligència artificial i d'aprenentatge profund molt útil per al reconeixement i la classificació d'imatges.

"Primer vam comparar ressonàncies magnètiques de pacients amb la malaltia d'Alzheimer i de persones sanes per trobar diferents punts de referència", explica Ashtari-Majlan. Després d'entrenar el sistema, el van ajustar amb imatges de ressonància de persones que ja havien estat diagnosticades amb deterioració cognitiva estable o progressiva i en les quals les diferències són molt més petites. En total, es van utilitzar gairebé 700 imatges procedents de bases de dades públiques.

Segons Ashtari-Majlan, el procés permet "superar la complexitat que comporten per a aquests mètodes els canvis estructurals tan subtils que es donen entre les dues formes de deterioració cognitiva lleu, molt inferiors als que hi ha entre un cervell normal i un altre d'afectat per la malaltia. A més, el mètode proposat podria resoldre el problema d'una mida mostral petita, ja que el nombre de ressonàncies magnètiques per als casos de deterioració cognitiva lleu és molt més baix que per als d'Alzheimer".

El nou mètode permet distingir i classificar les dues formes de deterioració cognitiva lleu amb una precisió pròxima al 85 %. "Els criteris d'avaluació demostren que el nostre mètode supera els existents", confirma la investigadora, incloent-hi mètodes més convencionals o altres mètodes basats en aprenentatge profund, fins i tot quan es combinen amb biomarcadors com l'edat o testos cognitius. A més, "podem compartir la nostra aplicació a petició de qui vulgui reproduir els resultats i comparar els seus mètodes amb els nostres. Creiem que aquest mètode pot ajudar els professionals a ampliar la recerca", conclou.

 

Aquesta recerca s'inclou dins de l'objectiu de desenvolupament sostenible (ODS) número 3, garantir una vida sana i promoure el benestar en totes les edats.

Article relacionat

M. Ashtari-Majlan, A. Seifi i M. M. Dehshibi (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 recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle xxi, mitjançant l'estudi de la interacció entre la tecnologia i les ciències humanes i socials, amb un focus específic en la societat xarxa, l'aprenentatge en línia i la salut digital. Els més de 500 investigadors i investigadores i els 51 grups de recerca s'articulen entorn dels set estudis de la UOC i dos centres de recerca: l'Internet Interdisciplinary Institute (IN3) i l'eHealth Center (eHC).

A més, la Universitat impulsa la innovació en l'aprenentatge digital a través de l'eLearning Innovation Center (eLinC) i la transferència de coneixement i l'emprenedoria de la comunitat UOC amb la plataforma Hubbik.

Els objectius de l'Agenda 2030 de desenvolupament sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC.

Més informació: research.uoc.edu #25anysUOC

Experts UOC

Mona Ashtari-Majlan

Mona Ashtari-Majlan

Investigadora i estudiant de doctorat amb el grup AI for Human Wellbeing de la UOC

Enllaços relacionats