La comparación electrónica de imágenes de resonancia magnética abre nuevas posibilidades para la detección precoz de enfermedades
22 de septiembre de 2022
Las redes neuronales profundas son una tecnología de IA que ya está enriqueciendo nuestra vida cotidiana en muchos niveles: las redes artificiales, que se modelan en la forma en que funcionan las neuronas reales, pueden comprender y traducir el lenguaje, interpretar textos y reconocer objetos y personas en imágenes. Pero también pueden determinar la edad de una persona en función de una resonancia magnética de su cerebro.
Si la red estima que la edad biológica del cerebro basada en el escaneo es más alta de lo que realmente es, eso puede indicar una posible enfermedad o lesión. Estudios anteriores, por ejemplo, habían encontrado que los cerebros de las personas con ciertas enfermedades, como la diabetes o el deterioro cognitivo grave, parecían tener más años en su haber de lo que realmente era el caso. En otras palabras, los cerebros estaban en un estado biológicamente peor de lo que uno supondría en función de la edad de estas personas.
Aunque las redes neuronales artificiales pueden determinar con precisión la edad biológica, hasta ahora no se sabía qué información de las imágenes cerebrales utilizaban sus algoritmos para hacerlo. Los científicos del campo de la investigación de la IA también se refieren a esto como el "problema de la caja negra": de acuerdo con esto, empujas una imagen cerebral en el modelo, la "caja negra", dejas que la procese y, en última instancia, solo obtienes su respuesta. Sin embargo, debido a la complejidad de las redes, antes no estaba claro cómo se genera esta respuesta.
Por lo tanto, los científicos del Instituto Max Planck de Ciencias Cognitivas y Cerebrales Humanas en Leipzig querían abrir la caja negra: ¿Qué mira el modelo para llegar a su resultado, la edad cerebral? Para ello, trabajaron con el Instituto Fraunhofer de Telecomunicaciones de Berlín para desarrollar un nuevo algoritmo de interpretación que se puede utilizar para analizar las estimaciones de edad de las redes. "Esta es la primera vez que aplicamos el algoritmo de interpretación en una tarea de regresión compleja", explica Simon M. Hofmann, candidato a doctorado en el Instituto Max Planck y primer autor del estudio subyacente, que ahora ha aparecido en la revista NeuroImage. "Ahora podemos determinar exactamente qué regiones y características del cerebro son indicativas de una edad biológica más alta o más baja".
Esto demostró que las redes neuronales artificiales utilizan, entre otras cosas, la materia blanca para hacer predicciones. En consecuencia, observan en particular cuántas pequeñas grietas y cicatrices atraviesan el tejido nervioso en el cerebro. También analizan qué tan anchos son los surcos en la corteza cerebral o qué tan grandes son las cavidades, los llamados ventrículos. Estudios anteriores han demostrado que cuanto mayor es una persona, más grandes son sus surcos y ventrículos en promedio. Lo interesante es que las redes neuronales artificiales llegaron a estos resultados por sí solas, sin haber recibido esta información. Durante su fase de entrenamiento, todo lo que tenían disponible eran los escáneres cerebrales y los verdaderos años de vida de la persona.
"Por supuesto, una mayor estimación de la edad también puede interpretarse como un error del modelo", dijo Veronica Witte, líder del grupo de investigación. "Pero pudimos demostrar que estas desviaciones son biológicamente significativas". Por ejemplo, los investigadores confirmaron que las personas con diabetes han aumentado la edad cerebral. Pudieron demostrar que los enfermos tienen más lesiones en la sustancia blanca.
Ya está claro, las redes neuronales artificiales jugarán un papel cada vez más importante en el diagnóstico médico. Saber por qué se guían estos algoritmos será cada vez más importante: en el futuro, un escáner cerebral podría ser analizado automáticamente por diferentes redes, cada una de las cuales se especializa en ciertas áreas: una saca conclusiones sobre la enfermedad de Alzheimer, otra sobre tumores y otra sobre posibles trastornos mentales. "El médico no solo recibe retroalimentación de que ciertas enfermedades pueden estar presentes. También ve qué áreas del cerebro subyacen a los diagnósticos", explica Hofmann. Las características correspondientes se marcan directamente en la imagen de resonancia magnética por los algoritmos en cada caso y, por lo tanto, pueden ser detectadas más fácilmente por los profesionales médicos, quienes a su vez pueden sacar conclusiones inmediatas sobre la gravedad de una enfermedad. También sería más fácil detectar diagnósticos erróneos: si el análisis se basa en áreas biológicamente inverosímiles, como los errores que ocurrieron cuando se creó la imagen, estos pueden ser detectados inmediatamente por el médico. Por lo tanto, el algoritmo de interpretación del equipo de investigación también puede ayudar a mejorar la precisión de las propias redes neuronales artificiales.
En un estudio de seguimiento, los investigadores ahora quieren investigar con más detalle por qué sus modelos también analizan las características en el cerebro que hasta ahora han desempeñado poco papel en la investigación del envejecimiento. Resultó, por ejemplo, que las redes neuronales también se centran en el cerebelo. Cómo progresan los procesos de envejecimiento allí en personas sanas y enfermas ha sido un misterio para los científicos hasta ahora.
