Los investigadores utilizan la inteligencia artificial para explorar los orígenes celulares de la enfermedad de Alzheimer y otros trastornos cognitivos

Los investigadores de Mount Sinai han utilizado nuevos métodos de inteligencia artificial para examinar las características estructurales y celulares de los tejidos del cerebro humano para ayudar a determinar las causas de la enfermedad de Alzheimer y otros trastornos relacionados. El equipo de investigación descubrió que estudiar las causas del deterioro cognitivo mediante el uso de un método imparcial basado en IA, a diferencia de los marcadores tradicionales como las placas amiloides, reveló anormalidades microscópicas inesperadas que pueden predecir la presencia de deterioro cognitivo. Estos hallazgos fueron publicados en la revista Acta Neuropatológica Comunicaciones el 20 de septiembre.

«La IA representa un paradigma completamente nuevo para el estudio de la demencia y tendrá un efecto transformador en la investigación de enfermedades cerebrales complejas, especialmente la enfermedad de Alzheimer», dijo el coautor correspondiente John Crary, MD, Ph.D., profesor de Patología Molecular y Celular. -Con base en Medicina, Neurociencia e Inteligencia Artificial y Salud Humana, en la Escuela de Medicina Icahn en Mount Sinai. «El enfoque de aprendizaje profundo se aplicó a la predicción del deterioro cognitivo, un problema desafiante para el cual no existe una herramienta de diagnóstico histopatológico realizada por humanos».

El equipo de Mount Sinai identificó y analizó la arquitectura subyacente y las características celulares de dos regiones del cerebro, el lóbulo temporal medio y la corteza frontal. En un esfuerzo por mejorar el estándar de la evaluación del cerebro post mortem para identificar signos de enfermedades, los investigadores utilizaron un algoritmo de aprendizaje profundo supervisado débilmente para examinar imágenes de diapositivas de tejidos de autopsia del cerebro humano de un grupo de más de 700 donantes ancianos para predecir la presencia o ausencia. de deterioro cognitivo. El enfoque de aprendizaje profundo poco supervisado es capaz de manejar fuentes ruidosas, limitadas o imprecisas para proporcionar señales para etiquetar grandes cantidades de datos de entrenamiento en un entorno de aprendizaje supervisado.

Este modelo de aprendizaje profundo se usó para identificar una reducción en la tinción azul rápida de Luxol, que se usa para cuantificar la cantidad de mielina, la capa protectora alrededor de los nervios cerebrales. Los modelos de aprendizaje automático identificaron una señal de deterioro cognitivo que se asoció con cantidades decrecientes de tinción de mielina; dispersos en un patrón no uniforme a través del tejido; y enfocada en la sustancia blanca, que afecta el aprendizaje y las funciones cerebrales. Los dos conjuntos de modelos entrenados y utilizados por los investigadores pudieron predecir la presencia de deterioro cognitivo con una precisión superior a la de las conjeturas aleatorias.

En su análisis, los investigadores creen que la intensidad de tinción disminuida en áreas particulares del cerebro identificadas por IA puede servir como una plataforma escalable para evaluar la presencia de deterioro cerebral en otras enfermedades asociadas. La metodología sienta las bases para futuros estudios, que podrían incluir el despliegue de modelos de inteligencia artificial a mayor escala, así como una mayor disección de los algoritmos para aumentar su precisión y confiabilidad predictiva. El equipo dijo que, en última instancia, el objetivo de este programa de investigación neuropatológica es desarrollar mejores herramientas para el diagnóstico y tratamiento de las personas que padecen la enfermedad de Alzheimer y trastornos relacionados.

«Aprovechar la IA nos permite observar exponencialmente más características relevantes de la enfermedad, un enfoque poderoso cuando se aplica a un sistema complejo como el cerebro humano», dijo el coautor correspondiente Kurt W. Farrell, Ph.D., Profesor Asistente de Patología, Molecular y Medicina basada en células, neurociencia e inteligencia artificial y salud humana, en Icahn Mount Sinai. «Es fundamental realizar más investigaciones sobre la interpretabilidad en las áreas de neuropatología e inteligencia artificial, de modo que los avances en el aprendizaje profundo puedan traducirse para mejorar los enfoques de diagnóstico y tratamiento para la enfermedad de Alzheimer y trastornos relacionados de una manera segura y eficaz».

El autor principal Andrew McKenzie, MD, Ph.D., codirector residente de investigación en el Departamento de Psiquiatría de Icahn Mount Sinai, agregó: «El análisis de interpretación pudo identificar algunas, pero no todas, las señales que la inteligencia artificial modelos utilizados para hacer predicciones sobre el deterioro cognitivo. Como resultado, quedan desafíos adicionales para implementar e interpretar estos poderosos modelos de aprendizaje profundo en el dominio de la neuropatología».

Investigadores del Centro de Ciencias de la Salud de la Universidad de Texas en San Antonio, Texas, la Universidad de Newcastle en Tyne, Reino Unido, la Facultad de Medicina de la Universidad de Boston en Boston y el Centro Médico UT Southwestern en Dallas también contribuyeron a esta investigación.