El estudio presenta un método para el diagnóstico de la EA mediante la fusión de imágenes funcionales y estructurales basado en el uso de la técnica de aprendizaje profundo. Esta técnica de inteligencia artificial tiene como objetivo modelar abstracciones de alto nivel en datos para lograr que las computadoras aprendan a diferenciar el cerebro de una persona sana del de una persona enferma extrayendo automáticamente las regiones de interés que se encuentren afectadas.

Para ello, se han dividido las imágenes de la sustancia gris de cada área del cerebro en diferentes sectores que se han utilizado para entrenar redes neuronales de aprendizaje profundo especializadas en las distintas regiones del cerebro. El conocimiento adquirido por dichas redes se combina posteriormente mediante diversas técnicas de fusión. El resultado es una potente arquitectura de clasificación que combina el aprendizaje supervisado y no supervisado para extraer de forma automática las características más relevantes de un conjunto de imágenes.

El trabajo, que ha incluido a pacientes con otras deficiencias cognitivas que pueden desarrollar EA en un plazo de dos años, muestra la potencialidad de las técnicas de inteligencia artificial para revelar los patrones asociados a la enfermedad. Las tasas de precisión obtenidas para el diagnóstico permiten dar un gran paso en el conocimiento del proceso neurodegenerativo implicado en el desarrollo de la enfermedad.
noviembre 17/2016 (neurologia.com)

Ensembles of Deep Learning Architectures for the Early Diagnosis of the Alzheimer’s Disease