El objetivo del proyecto es desarrollar y validar ese algoritmo de aprendizaje profundo basado en redes neuronales que permita identificar a pacientes con enfermedades neurodegenerativas como la alzheimer, la degeneración frontotemporal y demencia con cuerpos de Lewy, entre un grupo de personas con deterioro cognitivo leve, a través de imágenes cerebrales de Tomografía por Emisión de Positrones con Fluorodesoxiglucosa (PET FDG).

El PET FDG es una técnica no invasiva que, junto a la Inteligencia Artificial, "podría reducir el número de pacientes a los que se les realizan otras mucho más invasivas como la punción lumbar, método a través del cual se obtienen biomarcadores de líquido cefalorraquídeo que permiten distinguir la enfermedad de Alzheimer en pacientes con deterioro cognitivo leve", según ha informado el instituto en un comunicado.

Así, el propósito del algoritmo, sobre el cual está trabajando el personal investigador, es reducir el uso de esta técnica invasiva en pacientes que tengan una "probabilidad reducida" de presentar una enfermedad neurodegenerativa.

Para el desarrollo de este algoritmo de inteligencia artificial, que ha conseguido pasar de una fase experimental a una validación operacional dentro del entorno hospitalario, se ha partido de una base de datos que contiene imágenes de PET FDG llamada Alzheimer's Disease Neuroimaging (ADNI).

Para el entrenamiento previo de la red neuronal, se ha contado con un total de 822 sujetos de los que 472 presentaban la enfermedad de Alzheimer y 350 deterioro cognitivo leve. En cambio, para la fase de validación, se ha contado con una base de datos independiente conformada por 90 pacientes del Hospital Universitari i Politècnic La Fe de València.

La información cuantitativa extraída de imágenes PET es muy útil para el diagnóstico y evaluación de la demencia. Sin embargo, a veces resulta "compleja visualmente" para los médicos, por eso la inteligencia artificial puede ser de "gran apoyo" para el diagnóstico y, en la actualidad, proporciona resultados "satisfactorios".

EXACTITUD DEL 80%

En este sentido, este algoritmo que extrae y utiliza información de imágenes de PET FDG ha permitido la predicción en una etapa temprana de enfermedades neurodegenerativas en pacientes con deterioro cognitivo leve con una exactitud del 80%. Aún así, el proyecto tiene que seguir avanzando en mejoras en la exactitud de predicción y de la adaptación del software para su uso clínico.

El diagnóstico precoz es crucial, también en esta enfermedad, porque permite orientar desde el principio al tratamiento apropiado que pueda favorecer la evolución tanto a corto como a medio y largo plazo.

La Conselleria de Sanidad Universal y Salud Pública diagnostica una media de 20 nuevos casos de alzheimer cada día. Se trata de una enfermedad degenerativa que afecta a la memoria y la conducta, y que incide más en las mujeres, en una proporción de siete féminas por cada tres varones, aproximadamente. Respecto a la edad, la mayoría de nuevos pacientes tiene más de 65 años.