Alzheimer

Hoy en día, las tecnologías de imagen estructural y funcional en neurociencia están suministrando un gran volumen de información, donde las aproximaciones del aprendizaje máquina están cualificadas para proporcionar una nueva perspectiva de las patologías neurológicas, tales como la enfermedad de Alzheimer (AD). Se han propuesto novedosas aproximaciones computacionales y matemáticas, basadas en la teoría del aprendizaje estadístico, para el desarrollo de sistemas de ayuda al diagnóstico basado en computador en el campo de la enfermedad de Alzheimer.

En particular, desde la perspectiva del análisis de datos, los resultados destacados han sido:

1. Métodos de clasificación (vea el artículo en https://www.ncbi.nlm.nih.gov/pubmed/27478060 ) basados en arquitecturas de aprendizaje profundo que son aplicados a regiones cerebrales definidas por el etiquetado anatómico automático (del inglés Automated Anatomical Labeling –AAL-). Las imágenes de material gris y blanca (G/WM) de resonancia magnética obtenidas de cada región cerebral fueron divididas en parches 3D de acuerdo con esas regiones AAL para entrenar un conjunto de redes de creencia profunda. Estas redes complejas permiten clasificar grupos de controles y pacientes (AD) con una alta precisión mejorando los métodos de referencia.

2. Sistemas complejos basados en estandarización de características, selección ANOVA (vea el artículo en https://www.ncbi.nlm.nih.gov/pubmed/29242123 ) o en aprendizaje transductivo (vea el artículo en https://ieeexplore.ieee.org/document/7945239 ), reducción de características basada en mínimos cuadrados parciales y conjuntos de “Random forest” en esquemas multietiqueta “one vs. all” permiten reproducir los mismos resultados con el objetivo de obtener además una alta discriminación de controles sanos e individuos con deterioro cognitivo leve, con etapas secundaria que reconsideraban las clasificaciones entre HC y MCI del primer nivel.

Finalmente, todas estas técnicas basadas en aprendizaje máquina presentan la potencialidad de proporcionar una evaluación in-vivo de  parámetros cerebrales funcionales/estructurales en enfermedades neurodegenerativas como la de Alzheimer. Enlaces de relevancia de estos resultados pueden encontrase como herramientas de software en:

• https://sipba.ugr.es/research/petra/
• http://sipba.ugr.es/research/spherical-brain-mapping/
• https://github.com/SiPBA/brainSimulator

Periodo

May 2007 – current

Investigadores

Juan Manuel Górriz Sáez, Javier Ramírez Pérez de Inestrosa, Andrés Ortiz García, Fermín Segovia Román, Francisco J. Martínez Murcia, D. Salas González

Colaboradores: Alzheimer Disease National Initiative (ADNI), The Dominantly Inherited Alzheimer Network (DIAN)