Un estudio publicado en el Neuroimagen: Clínica revista médica encontró que los algoritmos de aprendizaje automático son capaces de reconocer patrones de atrofia asociados con enfermedades neurodegenerativas más raras como FTD.

Realizado por investigadores del Instituto Max Planck de Ciencias Cognitivas y Cerebrales Humanas y del Centro Médico de la Universidad de Leipzig en Alemania, el estudio pretendía abordar el considerable obstáculo de obtener un diagnóstico correcto de trastornos cerebrales menos comunes. Cuando el diagnóstico es incierto, el tratamiento se vuelve difícil porque los profesionales médicos no saben qué terapias seguir para abordar adecuadamente los síntomas de una persona.

"Preguntas como las planteadas por [los pacientes] en nuestro estudio son típicas en la práctica clínica diaria", dijo el coautor del estudio, Matthias Schroeter. Noticias de neurociencia. “En primer lugar, surge la pregunta sobre el diagnóstico correcto para que la terapia pueda adaptarse a cada paciente individual y su enfermedad específica”.

Para evaluar los algoritmos de aprendizaje automático como una herramienta para mejorar el diagnóstico, los investigadores utilizaron inteligencia artificial para analizar datos de imágenes de 426 participantes con una forma de demencia (incluidos varios trastornos en la familia FTD) y datos de 51 participantes de control. El modelo de aprendizaje automático examinó 64 regiones diferentes del cerebro, verificando los volúmenes de diferentes tipos de tejido cerebral en busca de atrofia.

Según los investigadores, un modelo de aprendizaje automático podría clasificar el tipo correcto de demencia con un rango de precisión de 71-95%. Un modelo de aprendizaje automático más complejo tenía mayor precisión, pero aun así cayó por debajo de 100%. Los investigadores notaron que el modelo más complejo no tenía el mismo rendimiento para todos los tipos de demencia y era mejor para clasificar los trastornos con patrones de atrofia que se concentraban en una determinada región del cerebro.

Si bien el aprendizaje automático tiene sus limitaciones, los algoritmos aún pueden ser beneficiosos para reducir el tiempo de diagnóstico, según los autores del estudio.

“Incluso si el curso de estas enfermedades progresa, los afectados en las primeras etapas de la enfermedad pueden continuar trabajando y manejando su vida diaria con apoyo. Esta es la razón por la cual el diagnóstico temprano y la adaptación individual de las medidas terapéuticas son cruciales”, dijo Schroeter.

¿Está interesado en leer más sobre el uso de tecnología como el aprendizaje automático para diagnosticar FTD? Verificar Este artículo sobre el uso de sensores portátiles para monitorear la progresión de parálisis supranuclear progresiva, o Este artículo sobre un estudio que utilizó el aprendizaje automático para investigar una teoría de 120 años sobre la demencia.

¿Está interesado en participar en un estudio como el que ha leído? Echa un vistazo a los AFTD Estudios que buscan participantes página.