Expertos del Accelerated Capacidad Entorno (ACE) y NHS Skunkworks han desarrollado una herramienta de inteligencia artificial para acelerar el diagnóstico de la enfermedad de Parkinson.

El diagnóstico actual de la enfermedad de Parkinson es un proceso que requiere mucho tiempo, lo que limita el número de casos que los especialistas pueden manejar. Esto puede poner a los pacientes en riesgo de ser diagnosticados demasiado tarde, lo que significa que pueden infectarse. La enfermedad progresa antes de que se administre el tratamiento..

Actualmente, los cambios cerebrales sólo pueden evaluarse manualmente, lo que lleva entre cuatro y seis horas. Además, para comprender mejor la patogénesis y desarrollar nuevos tratamientos potenciales, se requiere la clasificación manual del tejido cerebral post mortem, lo que también lleva una cantidad significativa de tiempo.

Ahora, los investigadores han colaborado para desarrollar una herramienta de diagnóstico de la enfermedad de Parkinson basada en inteligencia artificial que promete acelerar drásticamente este proceso para mejorar la atención y el tratamiento de la enfermedad.

Los casos de enfermedad de Parkinson van en aumento

La enfermedad de Parkinson es uno de los trastornos neurológicos más destacados y de más rápido crecimiento en el mundo, con más de 10 millones de personas diagnosticadas en todo el mundo.

Se espera que esta cifra aumente significativamente, ya que se espera que el número de pacientes con la enfermedad de Parkinson se duplique en los próximos cincuenta años.

El envejecimiento es el mayor factor de riesgo de esta enfermedad neurodegenerativa, y serán necesarios tratamientos y diagnósticos avanzados para combatirla.

Desarrollando el diagnóstico de la enfermedad de Parkinson mediante inteligencia artificial

En su estudio, ACE y AI Skunkworks colaboraron con Parkinson’s UK, la organización benéfica con membresía más grande del mundo.

Durante el proyecto de 12 semanas, el investigador utilizó el banco de cerebros de la organización benéfica en el Imperial College de Londres, que incluye más de 1.300 cerebros de pacientes de Parkinson y donantes sanos.

La organización benéfica también ha proporcionado un conjunto de datos que contiene 401 imágenes digitales de partes del cerebro inmunoteñidas para alfa-sinucleína (a-syn), la proteína que es un marcador patológico de la enfermedad. Esto también incluyó 100 casos de control de donantes sanos.

Luego, los poligeistas de la comunidad Vivace de ACE reutilizaron la tecnología existente para excluir diferentes tipos de materia cerebral que no están involucradas en este proceso. Luego tiñeron artificialmente rodajas de tejido cerebral utilizando la red neuronal iDeepColour, que resalta las áreas del cerebro afectadas por a-syn.

Estas imágenes se procesan y las áreas de interés se vuelven de color verde brillante, lo que las hace más fáciles de reconocer. Las imágenes también se pueden recortar y cortar en cuadrados, lo que significa que las áreas verdes pueden revelar la densidad de la enfermedad.

Esto permitió a Polygeist crear un clasificador de prueba de concepto capaz de lograr una precisión del diagnóstico de la enfermedad de Parkinson del 92% sin falsas alarmas.

El nuevo proceso de IA fue capaz de evaluar un solo cerebro en apenas unos minutos, reduciendo significativamente los tiempos de diagnóstico. Esto permite a los neurólogos centrarse en casos más complejos.

Próximas etapas de desarrollo

La herramienta de IA está casi lista para usarse en aplicaciones del mundo real. El equipo ahora está trabajando para mejorar el proceso para diferenciar entre etapas de la enfermedad y determinar si se pueden identificar otras proteínas. En el futuro, también será posible utilizar esta técnica para escanear el cerebro de pacientes vivos.