Mediante un modelo de aprendizaje profundo | 23 OCT 23

Identificar pacientes de alto riesgo de Alzheimer

Aprendizaje profundo para la estratificación basada en el riesgo de personas con deterioro cognitivo
Autor/a: Michael F. Romano, Xiao Zhou, Akshara R. Balachandra, Michalina F. Jadick, et al. Fuente: iScience, 2023; 107522 DOI: 10.1016/j.isci.2023.107522 Deep learning for risk-based stratification of cognitively impaired individuals

Los investigadores proponen una estrategia basada en datos para estratificar el riesgo de progresión del deterioro cognitivo leve a la enfermedad de Alzheimer.

Cuantificar el riesgo de progresión podría ayudar a identificar a las personas que podrían beneficiarse de las intervenciones tempranas.

Aspectos destacados

• Desarrollamos un modelo de aprendizaje profundo para estratificar el riesgo de progresión a la enfermedad de Alzheimer.

• Medimos la generalización del modelo en una cohorte externa.

• Evaluamos la alineación de la patología de la enfermedad de Alzheimer y las etiquetas clínicas.

• Encontramos regiones cerebrales relevantes que son importantes para predecir el riesgo de progresión.


Resumen

La cuantificación del riesgo de progresión a la enfermedad de Alzheimer (EA) podría ayudar a identificar a las personas que podrían beneficiarse de las intervenciones tempranas. Utilizamos datos de la Iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI, n = 544, cohorte de descubrimiento) y el Centro de coordinación nacional de Alzheimer (NACC, n = 508, cohorte de validación), subdividiendo a las personas con deterioro cognitivo leve (DCL) en función de su riesgo de avanzar a la EA. "Cuantificar el riesgo de progresión a la enfermedad de Alzheimer (EA) podría ayudar a grupos de riesgo según el líquido cefalorraquídeo amiloide-β niveles e identificar patrones diferenciales de materia gris. Luego, creamos modelos que fusionaron redes neuronales con análisis de supervivencia, entrenados con resonancias magnéticas cerebrales ponderadas en T1 no fragmentadas a partir de datos de ADNI, para predecir las trayectorias de conversión de deterioro cognitivo leve (DCL) en función de su riesgo de avanzar a la EA. Confirmamos las etiquetas de diagnóstico de EA utilizando datos post-mortem. Concluimos que nuestro marco proporciona una estrategia para la estratificación basada en el riesgo de individuos con MCI y para identificar regiones clave para el pronóstico de la enfermedad.


Comentarios

El costo proyectado del cuidado de millones de personas que padecen la enfermedad de Alzheimer (EA) en todo el mundo superará el billón de dólares en unos pocos años. Además de la enorme carga de salud, los pacientes y sus cuidadores experimentan tensión financiera, física y psicológica. Una teoría sobre el fracaso repetido de los medicamentos en la EA es que los pacientes que se someten a terapias experimentales se seleccionan demasiado tarde en el proceso de la enfermedad. Por lo tanto, es importante identificar a los pacientes con alto riesgo de progresión a EA en etapas tempranas de la enfermedad.

Para ayudar a identificar a las personas que podrían beneficiarse de las intervenciones tempranas, los investigadores de la Universidad de Boston han desarrollado un marco de aprendizaje profundo que puede estratificar a las personas con deterioro cognitivo leve (DCL) en función de su riesgo de avanzar a la EA.

 

Comentarios

Para ver los comentarios de sus colegas o para expresar su opinión debe ingresar con su cuenta de IntraMed.

AAIP RNBD
Términos y condiciones de uso | Política de privacidad | Todos los derechos reservados | Copyright 1997-2024