Intel·ligència artificial per a identificar pacients amb alzheimer en etapes inicials de la malaltia
RESOLVD: Millorar l’eficiència de les xarxes de distribució
juliol 2, 2018
Noves tecnologies per a un vehicle elèctric més eficient
juny 1, 2018El laboratori de Bioinformàtica i Senyals Biomèdics del Centre de Recerca en Enginyeria Biomèdica (CREB UPC) han desenvolupat un sistema de detecció precoç de l'Alzheimer mitjançant la identificació i caracterització de les zones corticals i subcorticals del cervell de persones adultes sanes.
Un estudi realitzat pel CREB UPC centrat en el diagnòstic actual i futur de la malaltia d'Alzheimer (AD), ha identificat i caracteritzat zones corticals i subcorticals del cervell de persones adultes sanes. L'objectiu ha estat identificar pacients en una etapa inicial de la malaltia com l'estat de deteriorament cognitiu lleu, i predir així la progressió futura a demència a causa de l’Alzheimer.
Caracteritzar i identificar aquestes zones significatives a través de mètodes d'aprenentatge estadístic ha permès desenvolupar models capaços de predir el diagnòstic actual amb una precisió de més del 90%; així com predir el diagnòstic futur de progressió a Alzheimer amb una anticipació de fins a 1.85 anys.
La malaltia
L'Alzheimer és un trastorn neurodegeneratiu caracteritzat per canvis patològics en el cervell que comencen diversos anys abans d'aparèixer els primers símptomes clínics. La identificació precoç i precisa d'aquests canvis neuropatològics és un requeriment crucial perquè la malaltia sigui abordada en les seves primeres etapes, abans de produir-se un deteriorament morfològic i mental irreversible. L'envelliment és el seu principal factor de risc, la prevalença està augmentant a mesura que la població mundial envelleix. Sabem que el cervell de la gent gran és més susceptible que el de la gent jove; però, aquest estudi ha identificat que els cervells dels adults grans sans i el dels individus en la fase intermèdia de deteriorament cognitiu lleu (MCI) també presenten canvis morfològics en regions relacionades amb Alzheimer, i segueixen un patró frontotemporal.
Models d'aprenentatge estadístic basades en persones sanes que ajuden a predir la malaltia en pacients amb AD
Aquest estudi s'ha basat en biomarcadors de neurodegeneració longitudinals obtinguts d'imatges de Ressonància Magnètica (MRI) d'aproximadament 800 participants de l'estudi multinacional Alzheimer 's Disease Neuroimaging Initiative. Aquesta població va incloure participants classificats inicialment com sans (o controls), altres amb deteriorament cognitiu lleu a causa de Alzheimer, i altres amb Alzheimer avançat. Aquests biomarcadors, al costat d'altres atributs psicològics i sociodemogràfiques com l'edat, el gènere i el nivell d'educació, van ser observats durant un exhaustiu seguiment de 5 anys.
Els biomarcadors que van canviar significativament i els que van canviar lleument van ser caracteritzats en els participants sans amb la finalitat d'entrenar models nuls (és a dir, models obtinguts a partir de pacients sans i utilitzats per modelitzar el procés natural d'atròfia per l'envelliment), que van caracteritzar el patró d'atròfia normal del cervell causa de l'envelliment.
Es van caracteritzar els biomarcadors que van canviar significativament i els que van canviar lleument per a persones sanes sense cap indici de demència, amb la finalitat de crear models que establissin el patró d'atròfia normal del cervell causa de l'envelliment.
El grau de canvi dels biomarcadors de neurodegeneració dels grups restants (els que estaven en estat de deteriorament cognitiu lleu i els ja diagnosticats d'Alzheimer), van ser comparats amb els valors inferits per aquests models nuls, i es van calcular diferències o residus per a cada biomarcador. A partir dels resultats d'aquells residus es van dissenyar models d’intel·ligència artificial capaços de discriminar els residus normals d’aquells amb un factor patològic intrínsec, indicadors de la presència de la emmalaltiu en les seves etapes inicials.
Els resultats d'aquest estudi han estat publicats a la revista PlosOne i en la tesi doctoral de Giovana Gavidia com a part del programa doctoral d'Enginyeria Biomèdica de la UPC.
Projectes Relacionats
- El centre de recerca Intelligent Data Science and Artificial Intelligence (IDEAI) de la UPC forma part del projecte AI4HealthyAging, que desenvoluparà solucions intel·ligents per a la detecció precoç de malalties neurològiques, motores i degeneratives derivades de l’envelliment.
- Cada any, més de quatre milions de pacients adquireixen alguna infecció associada a estades hospitalàries, segons l’European Centre for Disease Prevention and Control i l’Organització Mundial de la Salut. Les dades indiquen que l’impacte d’aquestes infeccions ja ha generat una mortalitat directa i indirecta de 137.000 pacients i un cost de set bilions d’euros anuals.
- El projecte Hospitals 4.0 – Machine learning per a una gestió més efectiva, en el qual participa el Grup MCIA de la Universitat Politècnica de Catalunya, té com a principal objectiu la construcció d'un digital twin que permetrà un sistema de gestió d'equips predictiu i correctiu.
- BIOPHOCH té com a objectiu desenvolupar noves eines i metodologies per a l’anàlisi d’imatges i el processament de dades en l’àmbit de la salut a través de les tecnologies fotòniques.
