Los investigadores Andrés Ortiz, Jorge Munilla, Juan Górriz y Javier Ramírez han publicado un estudio para el diagnóstico del alzhéimer mediante la fusión de imágenes funcionales y estructurales basado en el uso de la técnica de aprendizaje profundo -conocida como Deep Learning-. El artículo Ensembles of Deep Learning Architectures for the Early Diagnosis of the Alzheimer’s Disease ha sido publicado en la prestigiosa revista International Journal of Neural Systems. El alzhéimer, que actualmente afecta a más de 40 millones de personas, es la enfermedad neurodegenerativa más común en gente mayor. El diagnóstico temprano resulta crucial tanto para tratar la enfermedad como para ayudar al desarrollo de nuevas medicinas, ya que hasta el momento no ha sido posible encontrar una cura. En este punto, el desarrollo del alzhéimer ha demostrado estar muy relacionado con cambios tanto estructurales -relacionados con la sustancia gris, encargada del procesamiento de la información- como funcionales -de la sustancia blanca, que conecta las regiones del cerebro mediante fibras- en la red de conectividad cerebral, puesto que una pérdida significativa de fibras originan alternaciones funcionales, como la pérdida de memoria.

Sin embargo, la diagnosis continúa siendo un reto a pesar de los avances científicos conseguidos y hasta el momento no se ha logrado determinar cómo la actividad cerebral funcional deteriora la estructural y viceversa, lo cual es un elemento clave para comprender mejor el desarrollo de este tipo de enfermedades. En este sentido, los diagnósticos asistidos por ordenador (DAO) suponen una importante herramienta para el diagnóstico al ayudar a los médicos a interpretar los contenidos multimedia obtenidos en pruebas a los pacientes, lo que permite que la aplicación del tratamiento pueda ser más simple y efectiva. Uno de estos procedimientos son las imágenes médicas, que proporcionan información «en vivo» de gran resolución sobre las materias a estudiar y permiten utilizar la información relacionada con la enfermedad contenida en la imagen. El grupo de trabajo BioSip de la Universidad de Málaga, en colaboración con un grupo de investigadores de la Universidad de Granada, lleva años estudiando las señales e imágenes biomédicas.

Esta técnica de aprendizaje profundo de la Inteligencia Artificial (IA) tiene como objetivo modelar abstracciones de alto nivel en datos para lograr que las computadoras aprendan a diferenciar el cerebro de una persona sana del de una persona enferma extrayendo automáticamente las regiones de interés que se encuentren afectadas. Según explica el doctor Ortiz, «el estudio utiliza técnicas de aprendizaje profundo para calcular predictores sobre imágenes de funcionalidad cerebral y de resonancia magnética para prevenir la enfermedad de Alzheimer. Para ello, hemos utilizado redes neuronales diferentes con las que modelar cada región del cerebro para posteriormente combinarlas».