El cerebro humano contiene muchas pistas sobre la salud a largo plazo de una persona; de hecho, las investigaciones muestran que la edad del cerebro de una persona ayuda a predecir en forma más precisa y útil los riegos para la salud y y futuras enfermedades que su fecha de nacimiento. Un nuevo modelo de inteligencia artificial (IA) que analiza imágenes de resonancia magnética (IRM) cerebrales desarrollado por investigadores de la USC podría usarse para capturar con precisión el deterioro cognitivo relacionado con enfermedades neurodegenerativas como el Alzheimer mucho antes que los métodos anteriores.

Resumen

Un nuevo modelo de inteligencia artificial (IA) desarrollado por investigadores de la Universidad del Sur de California (USC) podría utilizarse para detectar con precisión el deterioro cognitivo relacionado con enfermedades neurodegenerativas como el Alzheimer mucho antes que los métodos actuales.

Los investigadores compararon resonancias magnéticas cerebrales de 4,681 participantes que tenían una función cognitiva normal, algunos de los cuales desarrollaron deterioro cognitivo o enfermedad de Alzheimer más tarde en la vida. Utilizaron estos datos para crear una red neuronal, que podía predecir la edad de los participantes en el estudio a partir de sus resonancias magnéticas cerebrales. Después de comparar estas edades con las edades cronológicas de los participantes, los investigadores descubrieron que cuanto mayor era la diferencia entre las dos, peor era el desempeño cognitivo de las personas, lo que podría sugerir un mayor riesgo de padecer enfermedades como el Alzheimer más adelante en la vida.

Puntos destacados

• Un modelo de inteligencia artificial (IA) desarrollado por investigadores de la USC que puede analizar imágenes de resonancias magnéticas cerebrales (IRM) para detectar el deterioro cognitivo.
• Los investigadores compararon las resonancias magnéticas cerebrales de 4.681 participantes que tenían una función cognitiva normal, algunos de los cuales desarrollaron deterioro cognitivo o enfermedad de Alzheimer más tarde en la vida.
• Utilizaron estos datos para entrenar una red neuronal para predecir las edades de los participantes en el estudio a partir de sus resonancias magnéticas cerebrales.
• Al comparar estas edades con las edades cronológicas de los participantes, los investigadores descubrieron que cuanto mayor era la diferencia entre las dos, peor era el rendimiento cognitivo de las personas, lo que podría sugerir un mayor riesgo de padecer enfermedades como el Alzheimer más adelante en la vida.

Análisis por IA refleja con precisión riesgo de deterioro cognitivo y enfermedad de Alzheimer en función de la edad del cerebro

El envejecimiento del cerebro se considera un indicador confiable del riesgo de padecer enfermedades neurodegenerativas, y este riesgo aumenta cuando el cerebro de una persona se ve «más viejo» de lo que se esperaría para su edad. Los investigadores utilizaron un modelo de IA para analizar escaneos cerebrales y detectar patrones sutiles en la anatomía del cerebro que podrían estar relacionados con el deterioro cognitivo. Al utilizar la capacidad de aprendizaje profundo de este modelo, los científicos pueden detectar estos marcadores que de otra manera serían muy difíciles de detectar.

Los hallazgos son presentados en el estudio «Anatomically interpretable deep learning of brain age captures domain-specific cognitive impairment» (Aprendizaje profundo anatómicamente interpretable de la edad del cerebro captura el deterioro cognitivo)[1], publicado el martes 2 de enero en la revista Proceedings of the National Academy of Sciences, ofrecen una visión sin precedentes de la cognición humana.

“Nuestro estudio aprovecha el poder del aprendizaje profundo para identificar áreas del cerebro que están envejeciendo de manera que reflejen un deterioro cognitivo que puede conducir a la enfermedad de Alzheimer”, dijo Andrei Irimia, profesor asistente de gerontología, ingeniería biomédica, biología cuantitativa y computacional y neurociencia. en la USC Leonard Davis School of Gerontology y autor de correspondencia del estudio.

«Las personas envejecen a ritmos diferentes, al igual que los tipos de tejidos del cuerpo. Lo sabemos coloquialmente cuando decimos: ‘Fulano de tal tiene cuarenta años, pero aparenta treinta. La misma idea se aplica al cerebro. El cerebro de un cuarenta años puede parecer tan ‘joven’ como el cerebro de un hombre de treinta años, o puede parecer tan ‘viejo’ como el de un hombre de sesenta años”.

Una alternativa más precisa a los métodos existentes

Irimia y su equipo compararon las resonancias magnéticas cerebrales de 4,681 participantes cognitivamente normales, algunos de los cuales desarrollaron deterioro cognitivo o enfermedad de Alzheimer más adelante en la vida.

Los investigadores utilizaron los datos recopilados para crear un modelo de inteligencia artificial llamado red neuronal, que podía predecir las edades de los participantes en el estudio a partir de sus resonancias magnéticas cerebrales. Para hacer esto, primero entrenaron a la red para producir mapas cerebrales anatómicos detallados que mostraban patrones específicos de envejecimiento en cada sujeto.

Posteriormente compararon las edades «cerebrales» percibidas (basadas en la estructura del cerebro) con las edades reales (cronológicas) de los participantes. Los resultados mostraron que cuanto mayor era la diferencia entre las edades cerebrales y las edades cronológicas, peores eran las puntuaciones cognitivas de los participantes, lo que reflejaba un mayor riesgo de padecer Alzheimer.

Los resultados muestran que el modelo del equipo puede predecir las edades reales (cronológicas) de los participantes cognitivamente normales con un error absoluto promedio de 2,3 años, que es aproximadamente un año más preciso que un reconocido y premiado modelo para la estimación de la edad cerebral que utilizó un diferente arquitectura de red neuronal.

«La IA interpretable puede convertirse en una herramienta poderosa para evaluar el riesgo de Alzheimer y otras enfermedades neurocognitivas«, afirma Irimia, quien también ocupa cargos docentes en la Escuela de Ingeniería Viterbi de la USC y la Facultad de Letras, Artes y Ciencias Dornsife de la USC. “Cuanto antes podamos identificar a las personas con alto riesgo de enfermedad de Alzheimer, los médicos podrán intervenir anticipadamente con opciones de tratamiento, seguimiento y control de la enfermedad. Lo que hace que la IA sea especialmente poderosa es su capacidad para detectar características sutiles y complejas del envejecimiento que otros métodos no pueden y que son clave para identificar el riesgo de una persona muchos años antes de que desarrolle la condición”.

El cerebro envejece de manera diferente según el sexo

El nuevo modelo aportan datos importantes sobre cómo la edad afecta de forma diferente a distintas partes de nuestro cerebro en función del sexo.

En los hombres se experimenta un envejecimiento más rápido en la corteza motora, zona responsable de la función motora, lo que les hace correr un mayor riesgo de deterioro motor debido a la enfermedad de Parkinson.

Mientras que en las mujeres pueden tener un envejecimiento típico relativamente más lento en el hemisferio derecho del cerebro.

Un campo prometedor para la medicina personalizada

Un nuevo campo de estudio resulta prometedor para la medicina personalizada y proporciona información sobre la velocidad con la que envejecemos. Este trabajo tiene aplicaciones de gran alcance, ya que los métodos de aprendizaje profundo desarrollados a través del estudio pueden ayudar a evaluar el riesgo de enfermedad; así como proporcionar información personalizada sobre la salud general y la longevidad.

“Una de las aplicaciones más importantes de nuestro trabajo es su potencial para facilitar el camino para intervenciones personalizadas que aborden los patrones de envejecimiento únicos de cada individuo”, dijo Irimia.

“Muchas personas estarían interesadas en conocer su verdadera tasa de envejecimiento. La información podría darnos pistas sobre diferentes cambios en el estilo de vida o intervenciones que una persona podría adoptar para mejorar su salud y bienestar general. Nuestros métodos podrían usarse para diseñar planes de tratamiento centrados en el paciente y mapas personalizados del envejecimiento cerebral que pueden ser de interés para personas con diferentes necesidades y objetivos de salud”.

Referencias

1. Chenzhong Yin, Phoebe Imms, Mingxi Cheng, et al., Alzheimer’s Disease Neuroimaging Initiative; Anatomically interpretable deep learning of brain age captures domain-specific cognitive impairment; Proceedings of the National Academy of Sciences; 120 (2) e2214634120; publicado el 3 de enero de 2022; Disponible en el URL https://www.pnas.org/doi/10.1073/pnas.2214634120