Método nuevo basado en IA detecta la respuesta del cerebro al tratamiento de la esclerosis múltiple

El nuevo método tiene una sensibilidad sustancialmente mayor de lo que permiten las medidas convencionales derivadas por los radiólogos.

Los investigadores estudiaron pacientes con EM recurrente-remitente que fueron tratados con el fármaco modificador de la enfermedad natalizumab, en que se obtuvieron imágenes de resonancia magnética (RM) en serie antes y después del inicio del tratamiento. El equipo utilizó la visión artificial para extraer una “huella digital de imagen” del estado del cerebro de cada escaneo, capturando cambios detallados en la materia blanca y gris y produciendo un rico conjunto de trayectorias regionales a lo largo del tiempo.

En comparación con el análisis convencional de las medidas tradicionales de volumen total de lesión y materia gris que un radiólogo puede extraer, el modelado asistido por IA de las complejas huellas dactilares de la imagen fue capaz de discriminar entre las trayectorias de cambio previas y posteriores al tratamiento con una exactitud mucho mayor. El estudio demostró que la IA se puede usar para detectar cambios en las imágenes del cerebro en la EM tratada con mayor sensibilidad que las medidas lo suficientemente simples como para que los radiólogos las cuantifiquen, permitiendo un desempeño “sobrehumano” en la tarea. El enfoque se podría utilizar para guiar la terapia en pacientes individuales, detectar el éxito o el fracaso del tratamiento más rápido y para realizar ensayos de nuevos fármacos de manera más eficaz y con grupos de pacientes más pequeños.

El Dr. Parashkev Nachev del Instituto de Neurología Queen Square del UCL, quien dirigió el estudio dijo: “En lugar de intentar copiar lo que los radiólogos ya hacen perfectamente bien, el modelado computacional complejo en neurología se implementa mejor en tareas que los expertos humanos no pueden hacer en lo absoluto: sintetizar una multiplicidad rica de características clínicas y de imagen en una descripción coherente y cuantificada del paciente individual en su conjunto. Esto nos permite combinar la flexibilidad y la delicadeza de un clínico con el rigor y la objetividad de una máquina”.

Enlace relacionado:
Colegio Universitario de Londres
King's College de Londres