Indicadores dinámicos de enfermedades mentales captados por IA avanzada en imágenes cerebrales

Una nueva investigación del Centro TReNDS de la Universidad Estatal de Georgia puede conducir a un diagnóstico temprano de condiciones devastadoras como la enfermedad de Alzheimer, la esquizofrenia y el autismo, a tiempo para ayudar a prevenir y tratar más fácilmente estos trastornos. En un nuevo estudio publicado en Informes científicos un equipo de siete científicos del estado de Georgia construyó un sofisticado programa de computadora que pudo analizar cantidades masivas de datos de imágenes cerebrales y descubrir patrones novedosos relacionados con condiciones de salud mental. Los datos de imágenes cerebrales provinieron de escaneos que utilizan imágenes de resonancia magnética funcional (fMRI), que mide la actividad cerebral dinámica mediante la detección de pequeños cambios en el flujo sanguíneo.

«Construimos modelos de inteligencia artificial para interpretar las grandes cantidades de información de fMRI», dijo Sergey Plis, profesor asociado de informática y neurociencia en el estado de Georgia y autor principal del estudio.

Comparó este tipo de imágenes dinámicas con una película, a diferencia de una instantánea como una radiografía o la resonancia magnética estructural más común, y señaló que «los datos disponibles son mucho más grandes, mucho más ricos que un análisis de sangre o una MRI regular. Pero ese es el desafío: esa gran cantidad de datos es difícil de interpretar».

Además, las IRMf en estas condiciones específicas son costosas y no fáciles de obtener. Sin embargo, utilizando un modelo de inteligencia artificial, se pueden extraer datos de fMRI regulares. Y esos están disponibles en grandes cantidades.

«Hay grandes conjuntos de datos disponibles en personas 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 definitivamente podríamos vincular con cada uno de los tres trastornos cerebrales», dijo Calhoun.

Los modelos de IA se entrenaron primero en un conjunto de datos que incluía a más de 10,000 personas para aprender a comprender las imágenes básicas de resonancia magnética funcional y la función cerebral. Luego, los investigadores utilizaron conjuntos de datos de varios sitios de más de 1200 personas, incluidas aquellas con trastorno del espectro autista, esquizofrenia y enfermedad de Alzheimer.

¿Como funciona? Es un poco como Facebook, YouTube o Amazon que aprenden sobre usted a partir de su comportamiento en línea y comienzan a ser capaces de predecir el comportamiento futuro, lo que le gusta y lo que no le gusta. El software de la computadora incluso pudo ubicarse en el «momento» en el que los datos de imágenes del cerebro probablemente estaban relacionados con el trastorno mental en cuestión.

Para que estos hallazgos sean clínicamente útiles, deberán aplicarse antes de que se manifieste un trastorno.

«Si podemos encontrar marcadores y predecir el riesgo de Alzheimer en una persona de 40 años», dijo Calhoun, «podríamos hacer algo al respecto».

De manera similar, si se pueden predecir los riesgos de esquizofrenia antes de que haya cambios reales en la estructura del cerebro, puede haber formas de ofrecer tratamientos mejores o más efectivos.

«Incluso si sabemos por otras pruebas o antecedentes familiares que alguien está en riesgo de un trastorno como el Alzheimer, aún no podemos predecir cuándo ocurrirá exactamente», dijo Calhoun. «Las imágenes del cerebro podrían reducir esa ventana de tiempo, al detectar los patrones relevantes cuando aparecen antes de que la enfermedad clínica sea evidente».

«La visión es que recopilamos un gran conjunto de datos de imágenes, nuestros modelos de IA lo analizan detenidamente y nos muestran lo que aprendieron sobre ciertos trastornos», dijo Plis. «Estamos construyendo sistemas para descubrir nuevos conocimientos que no podríamos descubrir por nuestra cuenta».

«Nuestro objetivo», dijo Md. Mahfuzur Rahman, primer autor del estudio y estudiante de doctorado en ciencias de la computación en el estado de Georgia, «es unir grandes mundos y grandes conjuntos de datos con pequeños mundos y conjuntos de datos específicos de enfermedades y avanzar hacia marcadores relevantes para la clínica». decisiones».