Modelo de imágenes de IA detecta trastornos cerebrales a partir de exploraciones de IRMf

En un nuevo estudio, un equipo de siete científicos de la Universidad Estatal de Georgia (Atlanta, GA, EUA), construyó un sofisticado programa de computadora que pudo analizar cantidades masivas de datos de imágenes cerebrales y descubrir patrones novedosos vinculados a condiciones de salud mental. Los datos de imágenes cerebrales provinieron de escaneos que utilizan imágenes de resonancia magnética funcional (IRMf), que mide la actividad cerebral dinámica mediante la detección de pequeños cambios en el flujo sanguíneo. Este tipo de imagen dinámica es similar a una película, a diferencia de una instantánea como una radiografía o la resonancia magnética estructural más común.

Además, las IRMf, en estas condiciones específicas, son costosas y difíciles de obtener. Sin embargo, utilizando un modelo de inteligencia artificial, se pueden extraer datos de IRMf regulares. Y esos están disponibles en grandes cantidades. El uso de estos grandes conjuntos de datos disponibles pero no relacionados mejoró el rendimiento del modelo en conjuntos de datos específicos más pequeños. Los modelos de IA se entrenaron primero en un conjunto de datos que incluía a más de 10.000 personas para aprender a comprender las imágenes básicas de resonancia magnética funcional y la función cerebral. Luego, los investigadores utilizaron conjuntos de datos de varios sitios de más de 1.200 personas, incluidas aquellas con trastorno del espectro autista, esquizofrenia y enfermedad de Alzheimer.

La tecnología funciona un poco como Facebook, YouTube o Amazon, aprendiendo sobre el comportamiento en línea de un usuario y comenzando a poder predecir el comportamiento futuro, lo que le gusta y lo que no le gusta. El software de la computadora incluso pudo ubicarse en el "momento" en el que los datos de imágenes del cerebro probablemente estaban relacionados con el trastorno mental en cuestión. Para que estos hallazgos sean clínicamente útiles, deberán aplicarse antes de que se manifieste un trastorno.

"Construimos modelos de inteligencia artificial para interpretar las grandes cantidades de información de IRMf", dijo Sergey Plis, profesor asociado de informática y neurociencia en Georgia State y autor principal del estudio. “La visión es que recopilamos un gran conjunto de datos de imágenes, nuestros modelos de IA los leen minuciosamente y nos muestran lo que aprendieron sobre ciertos trastornos. Estamos construyendo sistemas para descubrir nuevos conocimientos que no podríamos descubrir por nuestra cuenta”.

“Incluso si sabemos por otras pruebas o antecedentes familiares que alguien está en riesgo de un trastorno como el Alzheimer, aún no podemos predecir cuándo ocurrirá exactamente”, dijo Vince Calhoun, uno de los autores del estudio. “Las imágenes cerebrales podrían reducir esa ventana de tiempo, al detectar los patrones relevantes cuando aparecen antes de que la enfermedad clínica sea evidente”.

Enlaces relacionados:
Universidad Estatal de Georgia