La inteligencia artificial entrenada en imágenes de resonancia magnética (MRI) que estiman la edad del cerebro en comparación con la edad cronológica está emergiendo como una nueva forma potencial de un biomarcador digital para el deterioro cognitivo, los factores de riesgo cardiovascular del estilo de vida, la enfermedad de Alzheimer (EA), la demencia y la hipertensión. Un nuevo estudio demuestra cómo un algoritmo de IA puede estimar la edad biológica con alta precisión basándose en imágenes de escaneo cerebral (Hofmann et al., 2022).
Su importancia se pone de resalto por tratarse de un enfoque computacional libre de sesgos que brinda información sobre la naturaleza global del envejecimiento del cerebro, así como sobre los mecanismos patogénicos, señalaron los investigadores.
Qué metodología usaron
Los investigadores utilizaron conjuntos de redes neuronales convolucionales (CNN) con Propagación de relevancia por capas (LRP) para descubrir qué características del cerebro están involucradas en su envejecimiento. Una red neuronal convolucional es un tipo de red neuronal profunda que está algo inspirada en la corteza visual del cerebro biológico.
Las redes neuronales convolucionales son redes neuronales de avance que utilizan características para clasificar imágenes. Si una red neuronal artificial contiene más de una operación de convolución, se denomina red neuronal convolucional. Una convolución es una operación matemática que se utiliza a menudo para el procesamiento de señales e imágenes en las que se usan dos señales o imágenes como entrada para producir una tercera señal o imagen como salida.
Para entrenar el algoritmo de IA, los investigadores utilizaron datos de imágenes por resonancia magnética (IRM) de un estudio de cohorte basado en la población, el estudio LIFE Adult, donde de más de 10.000 participantes, un subconjunto de más de 2.630 participantes entre las edades de 18 a 82 años, tuvo una sesión de grabación de resonancia magnética de una hora.
Qué encontraron
Los investigadores informaron que sus modelos estimaron la edad con precisión en función de modalidades únicas y múltiples, así como imágenes de todo el cerebro e imágenes restringidas regionalmente. Los errores absolutos medios fueron solo de 3,37 a 3,86 años.
Según los investigadores, el progreso y la velocidad del envejecimiento del cerebro ahora se pueden detectar y analizar mediante conjuntos de aprendizaje profundo de IA de varias regiones del cerebro y modalidades de resonancia magnética estructural.
“Nuestro análisis demuestra que los cambios en la materia gris y las atrofias detectables en la corteza, la subcorteza, el cerebelo y el tronco encefálico, pero también las lesiones en la materia blanca, así como una contracción cerebral más global representada en el tamaño más grande de los ventrículos y los surcos impulsaron las estimaciones de edad de los modelos”, escribieron los investigadores.
El método de inteligencia artificial utilizado para este estudio es generalizable y, por lo tanto, se puede adaptar ampliamente en la neurociencia clínica para acelerar nuevos enfoques de salud digital para la medicina personalizada en el futuro.
Referencia bibliográfica: Hofmann, S. M., Beyer, F., Lapuschkin, S., Goltermann, O., Loeffler, M., Müller, K.-R., Villringer, A., Samek, W., & Witte, A. V. (2022). Towards the interpretability of deep learning models for multi-modal neuroimaging: Finding structural changes of the ageing brain. NeuroImage, 261, 119504. https://doi.org/10.1016/j.neuroimage.2022.119504
Fuente: Psychology Today
