feb
25
El diagnóstico de la enfermedad de Alzheimer sigue siendo fundamentalmente clínico, lo cual provoca que se retrase hasta la aparición de los primeros síntomas, cuando el daño neuropatológico es ya grave.
En este contexto, un software creado por los investigadores Rafael Ortiz y David Moratal, del Centro de Biomateriales e Ingeniería Tisular (CBIT) de la Universidad Politécnica de Valencia (UPV), en colaboración con Enrique Mollá, radiólogo del Hospital Universitario de La Ribera, en Alcira (Valencia), surge como una herramienta con grandes expectativas.
ALTEA -acrónimo de Alzheimer TExture Analyzer- permite visualizar y segmentar imágenes del hipocampo obtenidas por resonancia magnética (RM) y, a partir de ellas, extrae y analiza diferentes parámetros de textura cerebrales en 2D y 3D, convertidos en biomarcadores de la enfermedad. De esta forma, ayudaría al diagnóstico temprano y a diferenciar las diferentes etapas de la enfermedad.
Módulos interconectados
El nuevo software fue diseñado de una forma intuitiva para el usuario con el fin de que cualquier persona pudiera usarlo para realizar análisis de texturas sin dificultades. Se divide en dos grandes bloques (extracción y evaluación de características), que a su vez se subdividen en módulos interconectados.
Resultados
Varios parámetros de textura mostraron significancia estadística para diferenciar el estado avanzado de la enfermedad de Alzheimer de las fases iniciales de la enfermedad.
A corto plazo
La herramienta podría implantarse en un breve periodo de tiempo en los hospitales para ayudar al diagnóstico de la enfermedad en sus fases más tempranas.
Nuevas pruebas
En los próximos meses se lanzarán nuevos análisis con nuevos parámetros de textura y con más pacientes para tratar de mejorar los resultados y lograr diagnósticos más precisos.
El bloque de extracción de características incluye los módulos para la selección de la región de interés y para realizar el análisis de texturas; y el de evaluación de características, los de visualización de datos, pruebas estadísticas y clasificación mediante técnicas de aprendizaje automático.
El usuario puede acceder al módulo de visualización de datos o al de pruebas estadísticas para comprobar qué parámetros de las texturas resultan estadísticamente significativos cuando se comparan poblaciones.
Por último, puede acceder al módulo de aprendizaje automático para entrenar varios modelos clasificadores y crear un modelo final basado en los parámetros de texturas seleccionados que permita clasificar nuevas muestras según la etapa de la enfermedad.
Validación
Para validarlo, los investigadores analizaron imágenes de RM 3D potenciadas en T1 de tres grupos de personas: 50 pacientes con alzhéimer, 50 pacientes con deterioro cognitivo leve temprano y 50 sujetos control. Los análisis fueron llevados a cabo en la región hipocampal. Para este estudio se definieron tres regiones circulares y tres esféricas concéntricas para cada hipocampo.
“Realizamos un estudio transversal para predecir la capacidad predictiva de los posibles biomarcadores obtenidos, con resultados muy positivos”, destaca David Moratal, investigador CBIT-UPV. El siguiente paso se centra en “introducir más parámetros de textura y mejorar el módulo que permite analizar combinaciones de parámetros”, apunta Rafael Ortiz, estudiante de doctorado de la UPV y desarrollador del software junto a los estudiantes del Grado de Ingeniería Biomédica Carlos López y Carolina Giménez.
febrero 24/2019 (diariomedico.com)
Comments
Noticias anteriores a 2010
Suscripción AL Día
