Demencia: cómo es el sistema de IA que promete dar un diagnóstico temprano a pacientes de América Latina

Hay científicos que han elegido su área de estudios empujados por alguna experiencia de vida o familiar. Impactos personales e íntimos que los llevó a indagar en busca de ayuda para ellos mismos o un ser querido y para cubrir así las necesidades de quienes tienen padecimientos similares. Pero la ruta del neurocientífico argentino Agustín Ibáñez se diferencia de estos casos en un punto. En 2010, ya hacía tiempo que había hecho su elección profesional y contaba con varios años de formación en el estudio de la demencia, cuando su padre fue diagnosticado con ese mal devastador. Seguro de su pericia, luego de varios años de estar fuera del país, quiso tomar la posta de su madre y de su hermana en el cuidado de ese ser amado al que la enfermedad estaba convirtiendo en un ser desconocido.

“En aquel entonces, yo ya era un investigador consolidado en el área de la demencia y me sentía bien preparado para lidiar con la condición de mi padre. Sin embargo, las cosas no salieron como esperaba. La demencia había transformado a Mariano. Este hombre, que solía ser extremadamente hábil, diestro y sagaz, se había vuelto paranoico, introvertido y completamente aislado del mundo que le rodeaba. Desarrolló graves problemas de estabilidad (mental y física). Muy a menudo, yo percibía intenciones maliciosas en sus acciones y nuestra relación fue empeorando cada vez más. No solo mi padre había cambiado, sino que yo también me volví paranoico, reaccionando exageradamente al estrés, y bordeando los límites de la locura cotidiana. Nuestra comunicación se volvió angustiosa, continuamente incomprensible, llena de ansiedad y tristeza”, cuenta. “Me tocó ser un muy mal cuidador de mi papá”, lamenta. Una de las muchas enseñanzas que deja esta experiencia que se repite en millones de familias en el mundo es obvia: El costo que deben afrontar los familiares de estos pacientes es demoledor, no solo en lo monetario, sino y sobre todo, en lo mental y físico.

“Finalmente, mi padre falleció en San Juan, mi ciudad natal, el séptimo día del séptimo mes del 2011, sin el cuidado que toda persona con demencia merece”, dice. Su trabajo de investigación siguió adelante vinculado a la misma temática, en la Universidad de California San Francisco (UCSF), a la Universidad Adolfo Ibáñez de Chile y al Trinity College de Dublín, ciudad donde vive actualmente y desde donde dialogó con Infobae.

Ibañez, junto con otros investigadores de esos mismos centros de estudio, como el doctor en biología Sebastián Moguilner, publicaron recientemente en Science Direct y en The Lancet un trabajo en el que exponen la forma en que lograron construir un sistema de inteligencia artificial (IA) capaz de detectar precozmente distintos subtipos de demencia a través de resonancias magnéticas, aun cuando esas neuroimágenes sean de baja calidad.

El grupo desarrolló “un marco de aprendizaje profundo completamente automático basado en datos de resonancia magnética sin procesar y se probó en conjuntos de datos heterogéneos, no estereotípicos”, para probar la eficacia de los resultados. La intención del grupo de expertos fue crear un sistema que pueda aplicarse en grupos poblacionales poco representados, como los de Latinoamérica, ya que existen estudios similares en el hemisferio Norte, tanto en Estados Unidos como en Europa.

El científico argentino, quien actualmente es Director del Instituto Latinoamericano de Salud Cerebral (BrainLat), de la Universidad Adolfo Ibáñez; y líder del grupo de modelos predictivos de salud cerebral del Global Brain Health Institute (GBHI) del Trinity College Dublin y la Universidad de California San Francisco (UCSF), explicó los motivos de la investigación esta forma: “América Latina tiene una prevalencia muy alta de enfermedades neurodegenerativas y la proyección para el 2050 es terrible, ya que se estima entre el 120% y el 250% de incremento de prevalencias. Es una de las regiones que va a tener el mayor impacto comparado, por ejemplo, con Europa y Estados Unidos que ya la prevalencia está disminuyendo”.

Para dimensionar el valor de este tipo de estudios, el neurocientíficos advirtió que este tipo de padecimientos son “un problema gigantesco porque es una enfermedad devastadora, que cuesta más que el cáncer a la salud pública cuando se combinan los costos directos e indirectos y, lo más importante de todo, es que el paciente requiere de cuidados masivos. Entonces toda la familia se afecta”.

En el caso de la región, agregó, en la actualidad “no se diagnostica bien la demencia”. Se calcula que “aproximadamente el 90% de los pacientes no reciben un diagnóstico” porque requieren una gran cantidad de pruebas. Por ejemplo, uno de los signos de las enfermedades neurodegenerativas es la “atrofia cerebral, es decir la reducción del volumen de sustancia gris de las neuronas”, pero para interpretar las neuroimágenes “se requiere gente experta, sobre todo para detectarlo en las etapas tempranas de la demencia porque la atrofia es muy sutil, entonces al ojo humano —sino es un tecnólogo que tiene 10 años de entrenamiento en demencia o un geriatra o un neurólogo especializado— se le puede pasar por alto”.

Llegar al diagnóstico es fundamental porque, aunque las demencias son enfermedades que aún no tienen cura, detectarlas precozmente “permite realizar tratamientos para intentar mejorar la parte sana del paciente, preparar a la familia y generar todas las condiciones para extender la vida útil del enfermo, pero en Latinoamérica está ese problema fundamental: está subdiagnosticada”.

Lo novedoso del sistema del equipo de científicos comandados por Ibáñez y Moguilner —que aún se encuentra en etapa experimental— es que intenta subsanar el problema que significa que “todas las medidas de neuroimágenes que nos permiten caracterizar a la demencia vienen de Estados Unidos y de Europa que son muy diferentes, desde los resonadores, que son de mucho más calidad porque son menos ruidosos —tienen una tecnología mucho más avanzada—, hasta los diagnósticos. Es decir, si comparo el proceso de diagnóstico que se hace en la Universidad de California, que significan como 30 horas en las que al paciente le hacen de todo, desde análisis genético hasta clínicos, todo lo que se puede hacer allí, y en Argentina o en otros países latinoamericanos, que son un par de horitas y nada más, entonces se ve que hay una desigualdad abismal”, comenta.

Por otra parte, los métodos computacionales que permiten automatizar estos procesos para identificar la atrofia cerebral “también están basados en imágenes de pacientes del Norte global y, cuando uno quiere aplicar estos métodos automáticos al Sur global, no funcionan bien, no predicen bien, clasifican mal” y esto fue parte de la motivación del trabajo, relata.

Este nuevo desarrollo, en un futuro no muy lejano, puede permitir —dicen sus autores— la mejora de la clasificación de los subtipos de demencia con datos de neuroimágenes con múltiples variantes regionales y demográficas. El sistema, aseguran, procesa datos visuales sin requerir intervención humana lo que puede brindar mejores resultados para los pacientes en todo el mundo. “La investigación debe reflejar la diversidad en las culturas y condiciones. La capacidad de clasificar con precisión los subtipos de demencia en tipos de datos de neuroimagen y contextos regionales y demográficos diversos tiene implicaciones para la investigación y la práctica clínica a nivel mundial en el futuro”, afirma Ibáñez.

“Lo que hicimos básicamente fue utilizar inteligencia artificial usando visión computacional. Lo que se hace es que las computadoras van leyendo píxel por píxel de estas imágenes cerebrales sin ningún tipo de procesamiento de las imágenes. La imagen cruda que sale del resonador se la damos a una red neuronal artificial, que es este sistema de inteligencia artificial, que aprende patrones”, explica.

Y para ejemplificar cómo se “entrena” a la máquina señala que se le enseña a descifrar cada enfermedad. Los especialistas introducen datos y “le decimos, ‘este tiene demencia de 6 meses, este tiene demencia frontotemporal, estos son sujetos sanos’ y le decimos ‘aprende a distinguir unos de otros’. Entonces estas redes neuronales van viendo píxel por píxel y van encontrando las piezas de información que les permiten diferenciar [cada enfermedad y las personas sanas]. Después le decimos, “‘te damos ahora todo ese otro montón de imágenes, pero no te vamos a decir qué diagnóstico tienen, vos nos tenés que decir el diagnóstico’. Y así uno mide qué tan bien aprendió la red neuronal para predecir y poder automatizar” el conocimiento para el diagnóstico.

“Los resultados que tuvimos fueron excepcionales. Tenemos mucha precisión en la predicción” de alrededor del 98%, asegura, es decir, “es tremendamente alta para distinguir los tres grupos de pacientes con demencia frontotemporales”, teniendo en cuenta que diferenciar un paciente de una persona sana “es más fácil” que hacerlo con “dos sujetos enfermos que tienen un tipo de enfermedades neurodegenerativas diferentes y ante este desafío la precisión en el diagnóstico es igualmente alta”.

El computador logró identificar “las áreas iniciales de estas patologías. Estamos muy contentos con este trabajo porque la ventaja que tiene es que se pueden reducir las desigualdades” y permitir que en Perú o en Salta (Argentina) se pueda tener un diagnóstico de una enfermedad neurodegenerativa.

La demencia es un problema de salud mundial que afecta a millones de personas en todo el mundo, y diagnosticar la enfermedad ha sido difícil debido a las heterogeneidades específicas demográficas y regionales, escáneres de menor calidad y métodos de análisis no armonizados. “Nuestro estudio —puntualiza— tiene el potencial de cambiar esto. Utilizamos un clasificador de visión por computadora totalmente automático y redes neuronales de aprendizaje profundo en datos brutos de resonancia magnética sin procesar de 3.000 participantes, incluidos individuos con enfermedad de Alzheimer (EA), demencia frontotemporal variante conductual (bvFTD) y controles sanos”.

La IA visual también identificó áreas cerebrales críticas afectadas por la EA y la bvFTD utilizando una técnica llamada sensibilidad a la oclusión. “En palabras simples, —añade Ibáñez— esta técnica ayuda a entender qué partes de una imagen son importantes para la IA. Al cubrir u ‘ocluir’ diferentes partes de la imagen y observar cómo cambia el rendimiento del modelo, podemos identificar cuáles son las áreas más relevantes para el proceso de toma de decisiones que hace la AI. Nuestro análisis encontró que el hipocampo, crucial para la memoria, se ve afectado principalmente en la EA, mientras que la ínsula, involucrada en la emoción y el comportamiento social, se ve afectada principalmente en la DFTvc. Esto demuestra que la técnica tiene especificidad biológica y es brinda una forma plausible y automática de entender cómo estas enfermedades afectan el cerebro”.

Finalmente, el científico argentino reveló los próximos objetivos con el nuevo sistema que tiene el equipo de trabajo del que forma parte. “Queremos crear una plataforma donde cualquier persona de entornos clínicos diversos, poco representados, de zonas donde no se dispone de biomarcadores costosos” accedan a un diagnóstico temprano. “En el futuro, este enfoque puede probarse como un marco de apoyo a la decisión clínica con el objetivo de proporcionar evaluaciones de demencia asequibles y personalizadas”.

Además, “en el futuro vamos a agregar información genética, o sea, dentro de unos años vamos a tener todo el genoma completo de estos pacientes que estamos estudiando, entonces uno puede agregarle al clasificador, no solo información cerebral, sino información genética e incluso después también información ambiental, por ejemplo cuánto es la cantidad de contaminación de la ciudad donde vive el paciente, cuál es el nivel socioeconómico del paciente, cuáles son sus vínculos sociales. Nosotros, por ejemplo, mostramos que en este trabajo agregamos educación y algunas variables que mejoran un poquito el diagnóstico no mucho, pero tienen un peso”.

Seguir leyendo