Los resultados del primer estudio piloto desarrollado por el Grupo de Demencia de la Comunidad de Madrid (DEMCAM) muestran que la resonancia magnética y la automatización de los procesos de cuantificación y análisis de la inteligencia artificial permitirán determinar de modo más eficiente qué personas padecen un deterioro cognitivo ligero o algún tipo de demencia, permitiendo su diagnóstico precoz y seleccionar de una forma más eficiente a los pacientes susceptibles de ser tratados en fases en las que, presumiblemente, el efecto de los tratamientos que actualmente se están desarrollando serán más efectivos.
Este primer proyecto, dirigido porJuan Álvarez-Linera de la Fundación Cien,Y Ana Frank de la y del Hospital Universitario La Paz se centraba en validar la utilidad de las técnicas de imágenes de resonancia magnética de alta resolución, obtenidas mediante equipos de GE Healthcare con un campo magnético de 3Tesla (3T), en el diagnóstico de la enfermedad de Alzheimer.
Frank ha destacado la importancia de llegar al diagnóstico del Alzheimer “en fases poco avanzadas” y conseguir desarrollar un “tratamiento que sea capaz de modificar la evolución de la enfermedad”. Por su parte, Álvarez-Linera ha subrayado que la imagen tiene un “papel fundamental” en el diagnóstico del Alzheimer antes de la fase de demencia y ha asegurado que la resonancia magnética va a ser una de las “herramientas más preparadas” en este ámbito.
Uno de los principales objetivos del estudio se centraba en validar si la nueva tecnología de resonancia magnética de 3T podía incrementar la fiabilidad del diagnóstico de la enfermedad de Alzheimer, permitiendo hallar aspectos distintivos entre sujetos cognitivamente sanos (CS), pacientes con deterioro cognitivo leve (tipo amnésico [DCL-a] y multidominio [DCLm]) y enfermos de Alzheimer (EA), previamente clasificados mediante los criterios clínicos y neuropsicológicos actualmente en vigor.
Mediante la nueva tecnología de resonancia magnética 3T se han podido realizar, por primera vez de forma conjunta, estudios con cuatro tipos de técnicas de imagen (volumetría, tensor de difusión, perfusión y espectroscopia) a 170 pacientes procedentes de las diferentes unidades de demencia de la Comunidad de Madrid que han participado en el estudio. Las imágenes estructurales se han obtenido en menor tiempo, con mayor definición y mejor contraste.
La cuantificación de los estudios obtenidos con las diferentes técnicas de resonancia magnética se realizó en el Laboratorio de Imagen Médica de la Fundación CIEN, utilizándose algunos de los programas más avanzados de postproceso. Así, las cuatro técnicas de imagen aplicadas han permitido obtener más de 238 variables y múltiples cuantificaciones para cada sujeto estudiado.
El gran número de variables obtenidas y la complejidad de los datos, hizo necesaria la aplicación de técnicas de inteligencia artificial para extraer de forma automática la información más relevante procedente de la base de datos del proyecto piloto Demcam. Para ello, se ha contado con la colaboración del Instituto de Ingeniería del Conocimiento, cuya experiencia ha permitido poner en marcha proyectos y productos relacionados con la predicción utilizando técnicas de análisis de redes sociales.
La aplicación de esta tecnología ha permitido desarrollar un programa totalmente automático, capaz de aprender por sí mismo y evaluar el riesgo individual de un nuevo sujeto de pertenecer a uno u otro grupo de los cuatro propuestos: cognitivamente sanos (CS), pacientes con deterioro cognitivo leve (tipo amnésico [DCL-a] y multidominio [DCLm]) y enfermos de Alzheimer (EA), con un alto nivel de acierto del 95%, lo que ha permitido al Instituto de Ingeniería del Conocimiento junto con la Fundación CIEN-Fundación Reina Sofía abrir una nueva línea en el dominio de la bioinferencia.
La exactitud en diferenciar entre un CS y EA es superior al 95 por ciento y en el caso de DCL y EA superior al 90 por ciento. Además, ha sido posible determinar cuáles son las técnicas más eficientes para detectar diferencias significativas entre los distintos grupos, ya que, por ejemplo, la técnica ASL es muy buena para diferenciar CS de DCLa pero muy mala para diferenciar DCLm de EA, al contrario que la espectroscopia. La técnica que globalmente se comporta mejor en todos los grupos es la volumetría, pero el mejor resultado en cada grupo comparativo se obtiene combinando la información de la volumetría y el tensor de difusión.
No hay comentarios:
Publicar un comentario