El desarrollo de software basado en inteligencia artificial (IA) y aprendizaje profundo ofrece soluciones automatizadas y que ahorran tiempo, ayudando significativamente a los neurorradiólogos a detectar el Alzheimer temprano, clasificarlo con precisión y monitorear su evolución y respuesta al tratamiento, según investigadores galardonados.
El impacto en la salud de los pacientes
Estos avances deberían integrarse rápidamente en la práctica clínica rutinaria, ya que mejorarán la calidad de vida de los pacientes con Alzheimer, señaló el Dr. Alexandru Fulga de la Clínica Sanador Victoriei en Bucarest, Rumania, y sus colegas.
Para aprovechar estos beneficios, los radiólogos deben familiarizarse con las nociones anatómicas, fisiopatológicas y clínicas básicas del Alzheimer, las modalidades de neuroimagen y los hallazgos específicos de esta condición, así como con los algoritmos basados en aprendizaje profundo que tienen aplicaciones en el diagnóstico temprano, el desarrollo de modelos predictivos y la investigación de tratamientos.
“Con el surgimiento de la IA y los algoritmos de aprendizaje profundo, existen numerosas soluciones disponibles para la segmentación cerebral semi-automática y automática y la morfometría”, señalaron en un e-póster del ECR 2024 que recibió un premio magna cum laude.
“Hay mucho software basado en suscripción o gratuito (FreeSurfer, volBrain) basado en complejas canalizaciones de aprendizaje profundo que en cuestión de minutos pueden segmentar automáticamente todas las estructuras cerebrales y calcular sus volúmenes, porcentajes del volumen intracraneal total e incluso compararlos con valores normales dentro del mismo sexo y grupo de edad”.
Sobre el desarrollo tecnológico
Este software requiere la entrada de series ponderadas T1 MP-RAGE 3D sin contraste convertidas en formato nii.gz; se aplican una serie de pasos de preprocesamiento para colocar las imágenes en el mismo espacio de intensidad y geometría que las bibliotecas de plantillas utilizadas para entrenar la canalización y luego, basándose en esas plantillas, se realiza la segmentación y la estimación de volumen, resultando en un informe altamente detallado.
Se ha desarrollado una nueva herramienta basada en aprendizaje profundo para la detección del Alzheimer y el pronóstico del deterioro cognitivo leve, basada en trayectorias de vida estimadas de las estructuras cerebrales, explicaron los autores.
Los puntajes Alzheimer hipocampo-amígdala-ventrículo (HAVAs) se basan en modelos de vida de la población normal y pacientes con Alzheimer, que después de la validación mostraron una gran capacidad para detectar pacientes con Alzheimer en comparación con sujetos de control y una discriminación específica entre el deterioro cognitivo leve progresivo y estable.
La canalización está disponible de forma gratuita e integrada en la plataforma en línea volBrain.
Genera volúmenes del hipocampo, amígdala y ventrículo lateral inferior, gráficos que muestran dónde se encuentran los valores del paciente entre las trayectorias de vida estimadas de pacientes sanos y con Alzheimer y también calcula un puntaje de probabilidad basado en las tres regiones analizadas. El método ha mostrado una considerable precisión tanto en la tarea de diagnóstico como en la de pronóstico.
La neuroimagen juega un papel clave en el diagnóstico y monitoreo del Alzheimer porque muestra cambios neuropatológicos, estructurales y funcionales, incluso desde las etapas tempranas, añadieron.
Por ejemplo, el PET/CT puede mostrar biomarcadores del Alzheimer como hipometabolismo, depósito de beta-amiloide y enredos neurofibrilares en sitios y patrones específicos usando trazadores radiactivos: Fluorodeoxiglucosa-18 (FDG-PET), F-18 flortaucipir, F-18 SNFT-1 (trazadores radiactivos que se dirigen al tau) y Florbetapir (F-18), C-11 PiB (trazadores radiactivos que se unen al beta-amiloide).
Los cambios neurodegenerativos se traducen en hipometabolismo en áreas afectadas, visto como “zonas frías” en el FDG-PET, pero no son específicos del Alzheimer, por lo que se están haciendo esfuerzos para optimizar esta modalidad utilizando innovaciones tecnológicas.
Una aplicación es la fusión multimodal de imágenes de RMN y FDG-PET para obtener una visión más detallada de los cambios estructurales y metabólicos, permitiendo una mejor representación de los patrones específicos y la evolución de la enfermedad.
En palabras de los profesionales
“A veces, las mediciones visuales y basadas en ROI de la captación de FDG-18 pueden ser difíciles, especialmente en las etapas tempranas de la enfermedad o cuando hay necesidad de distinguir los subestados”, señalaron los investigadores.
“Recientemente ha habido un aumento en los modelos basados en redes amplias que después de entrenarse en grandes bases de datos mostraron resultados prometedores en la detección automática de cambios hipometabólicos, patrones y mejorando la precisión en la detección y clasificación del Alzheimer”.
La característica patológica del Alzheimer es el depósito de proteínas neurotóxicas: beta-amiloide y enredos neurofibrilares.
Se han desarrollado trazadores radiactivos específicos que se unen precisamente a esas proteínas, ofreciendo una representación visual no invasiva de la enfermedad, pero las placas de amiloide pueden acumularse años antes del diagnóstico, haciendo difícil evaluar la progresión de la acumulación porque ya puede estar saturada en el momento del diagnóstico, explicaron.
Los escaneos PET de tau, por otro lado, pueden reflejar directamente el depósito patológico y mostrar una relación estrecha con la función cognitiva y la progresión de la enfermedad, lo que lo convierte en un método de imagen muy atractivo, especialmente para fines de investigación.
“Se están desarrollando algoritmos innovadores basados en redes neuronales convolucionales para aplicarse a los escaneos de tau para mejorar la detección de depósitos de tau, descubrir nuevos patrones de la enfermedad, con aplicaciones en el diagnóstico temprano, la discriminación precisa entre etapas superpuestas y la evaluación de la respuesta al tratamiento”, escribieron los autores.
El valor de la fMRI
La resonancia magnética funcional (fMRI) ofrece herramientas para estudiar los cambios neuronales funcionales en el Alzheimer, revelando nuevas perspectivas sobre las alteraciones entre las estructuras del lóbulo temporal medial (MTL) y sus complejas redes cerebrales globales.
La imagen fMRI se basa en el contraste dependiente del nivel de oxígeno en la sangre (BOLD), mostrando la actividad neuronal durante diversas tareas cognitivas activas o en estado de reposo.
Múltiples estudios han mostrado una disminución o ausencia de activación del MTL en pacientes con Alzheimer en respuesta a varios estímulos novedosos y una elevada actividad del MTL en respuesta a estímulos positivos, contrario a los controles sanos, añadieron.
Varios estudios también han mostrado que no solo las estructuras del MTL están afectadas en las primeras etapas sino también las complejas vías neuronales que interconectan el hipocampo con todo el cerebro.
“También hay evidencia de un aumento en la activación fMRI en la neocorteza de las regiones frontal y parietal que son menos afectadas por la enfermedad, muy probablemente como un mecanismo de compensación. Ahora se están desarrollando aplicaciones basadas en aprendizaje profundo para estudios fMRI, mostrando resultados prometedores, para obtener una herramienta confiable que pueda definir y detectar claramente las anomalías funcionales desde los primeros signos del Alzheimer”.
Los coautores de la presentación del ECR fueron la Dra. Alexandra Catalina Ciurescu, Miruna Calinescu y el Prof. Bogdan Popa. Puedes acceder a la exhibición completa en el sitio web EPOS de la Sociedad Europea de Radiología.
0 comentarios