Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the MedImaging website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




La IA supera a las pruebas clínicas en la predicción del progreso del Alzheimer a partir de imágenes de resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 26 Jul 2024
Print article
Imagen: El modelo de inteligencia artificial superó las pruebas clínicas al predecir el progreso de la enfermedad de Alzheimer (foto cortesía de 123RF)
Imagen: El modelo de inteligencia artificial superó las pruebas clínicas al predecir el progreso de la enfermedad de Alzheimer (foto cortesía de 123RF)

La demencia es un importante desafío de salud mundial, que afecta a más de 55 millones de personas en todo el mundo y cuesta aproximadamente 820 mil millones de dólares al año. Las proyecciones indican que el número de casos casi se triplicará en los próximos 50 años. La enfermedad de Alzheimer es la causa predominante de demencia, responsable del 60-80 % de los casos. La detección temprana es fundamental, ya que en esta etapa es cuando los tratamientos tienen más probabilidades de ser efectivos. Sin embargo, el diagnóstico y el pronóstico tempranos precisos a menudo dependen de pruebas invasivas o costosas, como la tomografía por emisión de positrones (PET) o las punciones lumbares, a las que muchas clínicas de memoria no tienen acceso. En consecuencia, hasta un tercio de los pacientes pueden recibir un diagnóstico erróneo y otros pueden ser diagnosticados demasiado tarde para un tratamiento eficaz. Ahora, los científicos han desarrollado una herramienta basada en inteligencia artificial que predice con éxito si los individuos que muestran signos tempranos de demencia se estabilizarán o progresarán a la enfermedad de Alzheimer en el 80 % de los casos. Esta innovación podría reducir la necesidad de pruebas de diagnóstico invasivas y costosas y mejorar los resultados del tratamiento en una etapa temprana, cuando los cambios en el estilo de vida o los nuevos medicamentos podrían ser más efectivos.

El modelo de aprendizaje automático desarrollado por científicos del Departamento de Psicología de la Universidad de Cambridge (Cambridge, Reino Unido) puede predecir si una persona con problemas leves de memoria y pensamiento desarrollará la enfermedad de Alzheimer, y a qué ritmo. Publicada en eClinical Medicine, esta investigación ha demostrado que el modelo supera la precisión de las herramientas de diagnóstico clínico existentes. Para desarrollar su modelo, los investigadores utilizaron datos de pacientes recopilados de forma rutinaria, no invasivos y rentables (específicamente pruebas cognitivas y resonancias magnéticas estructurales que muestran atrofia de la materia gris) de más de 400 personas dentro de una cohorte de investigación en los Estados Unidos (EUA). Posteriormente, el modelo se validó con datos del mundo real de 600 participantes adicionales de EUA y datos longitudinales de 900 personas de clínicas de memoria en el Reino Unido y Singapur.

El algoritmo podría diferenciar entre aquellos con deterioro cognitivo leve estable y aquellos que desarrollarían la enfermedad de Alzheimer en un plazo de tres años. Identificó a las personas que desarrollarían Alzheimer con un 82 % de precisión y a aquellos que no lo harían con un 81 % de precisión utilizando sólo pruebas cognitivas y exploraciones por resonancia magnética. El algoritmo fue aproximadamente tres veces más preciso para predecir la progresión del Alzheimer que el estándar de atención actual, que se basa en marcadores clínicos estándar como la atrofia de la materia gris o puntuaciones cognitivas. Esta capacidad reduce significativamente la probabilidad de diagnósticos erróneos. Además, el modelo permitió a los investigadores clasificar a los individuos con Alzheimer en su visita inicial a la clínica de la memoria en tres categorías: aquellos cuyos síntomas permanecerían estables (alrededor del 50 % de los participantes), aquellos que progresarían lentamente (alrededor del 35 %) y aquellos que se deteriorarían rápidamente (el 15 % restante).

Estas predicciones fueron confirmadas por datos de seguimiento durante seis años, lo que destaca el potencial del modelo para identificar en una etapa temprana a personas que podrían beneficiarse de nuevos tratamientos y aquellas que necesitan un seguimiento estrecho debido a la rápida progresión. Es importante destacar que el 50 % de las personas con síntomas como pérdida de memoria que permanecieron estables podrían ser redirigidos a vías clínicas alternativas, ya que sus síntomas podrían deberse a otras causas, como ansiedad o depresión. Los investigadores ahora planean expandir su modelo a otros tipos de demencia, incluida la demencia vascular y la demencia frontotemporal, e incorporar diferentes tipos de datos, como marcadores de análisis de sangre.

"Hemos creado una herramienta que, a pesar de utilizar únicamente datos de pruebas cognitivas y exploraciones por resonancia magnética, es mucho más sensible que los enfoques actuales para predecir si alguien progresará desde síntomas leves hasta Alzheimer y, de ser así, si este progreso será rápido o no. lento”, dijo la autora principal, la profesora Zoe Kourtzi del Departamento de Psicología de la Universidad de Cambridge. “Esto tiene el potencial de mejorar significativamente el bienestar del paciente, mostrándonos qué personas necesitan una atención más cercana y, al mismo tiempo, eliminando la ansiedad de aquellos pacientes que prevemos que permanecerán estables. En un momento de intensa presión sobre los recursos sanitarios, esto también ayudará a eliminar la necesidad de pruebas de diagnóstico costosas e invasivas innecesarias”.

Enlaces relacionados:
Departamento de Psicología de la Universidad de Cambridge

New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
New
Computed Tomography System
Aquilion ONE / INSIGHT Edition
DRF DR & Remote Fluoroscopy Solution
CombiDiagnost R90
New
X-ray Diagnostic System
FDX Visionary-A

Print article

Canales

Radiografía

ver canal
Imagen: Una nueva investigación muestra señales prometedoras en el esfuerzo por desarrollar protocolos de radioterapia más seguros (foto cortesía de la Universidad de Wollongong)

Sensores de rayos X orgánicos imprimibles podrían transformar el tratamiento del cáncer

Cada día, miles de personas en todo el mundo son diagnosticadas con cáncer y aproximadamente la mitad de ellas se someterán a radioterapia. El objetivo de la radioterapia es utilizar... Más

Ultrasonido

ver canal
Imagen: Este pequeño parche cutáneo elástico utiliza ultrasonido para monitorear continuamente la presión arterial en las zonas más profundas del cuerpo (foto cortesía de David Baillot/UC San Diego Jacobs School of Engineering)

Parche ultrasónico portátil permite el monitoreo continuo de la presión arterial

Las mediciones tradicionales de la presión arterial mediante un brazalete proporcionan una lectura única e instantánea, que puede pasar por alto patrones importantes en las fluctuaciones... Más

Medicina Nuclear

ver canal
Imagen: Ejemplo de análisis de IA de imágenes PET/TC (foto cortesía de Academic Radiology; DOI: 10.1016/j.acra.2024.08.043)

Análisis de IA de imágenes PET/TC predice efectos secundarios de la inmunoterapia en cáncer de pulmón

La inmunoterapia ha avanzado significativamente en el tratamiento del cáncer de pulmón primario, pero a veces puede provocar un efecto secundario grave conocido como enfermedad pulmonar intersticial.... Más

Imaginología General

ver canal
Imagen transaxial de una tomografía computarizada de detección de cáncer de pulmón que muestra calcio en las tres arterias coronarias (foto cortesía de CMaj doi/10.1503/cmaj.231602)

Las tomografías pulmonares detectan enfermedades cardíacas en pacientes sin síntomas cardíacos

La tomografía computarizada (TC) de tórax con dosis bajas es un método estándar que se utiliza para la detección del cáncer de pulmón. Ahora, una nueva investigación ha demostrado que estas tomografías... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más

Industria

ver canal
Imagen: La colonoscopia virtual (colonografía por TC) es una opción aprobada para la detección del cáncer colorrectal en los EUA (Foto cortesía de Shtutterstock)

Bracco Diagnostics y ColoWatch se asocian para ampliar la disponibilidad de pruebas de detección de CCR mediante colonoscopia virtual

En los últimos 25 años, la colonoscopia virtual ha demostrado ser un método altamente preciso, seguro, conveniente y rentable para la prevención y detección del cáncer... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.