Deteccion de la enfermedad de Alzheimer a partir de neuroimagenes mediante el uso de tecnicas de Inteligencia Artificial

Abstract

Se desarrolló una herramienta de software que analiza imágenes diagnósticas de tipo MRI en su secuencia T1-Weighted y busca características discriminantes dentro de la anatomía cerebral presentada en las imágenes para que, de esta manera, sea posible, según el caso, determinar la presencia de atrofias en las estructuras corticales y particularmente en el hipocampo, entregando predicciones acerca de la presencia de la condición en base a las alteraciones anatómicas. Similarmente, mediante interfaces gráficas orientadas al análisis neurocientífico, fue posible visualizar e interpretar el desempeño y los resultados del aprendizaje llevado a cabo por la inteligencia artificial, confirmando las suposiciones teóricas acerca del enfoque al momento de analizar este tipo de patología y principalmente, identificando modificaciones estructurales como posibles biomarcadores de la condición o indicadores dentro del proceso de diagnóstico por neuroimagen. En síntesis, este prototipo funcional, en su fase inicial tiene la capacidad de aprender diferencias anatómicas y estructurales tanto para hombres como para mujeres (Pacientes AD y/o sujetos CN), en un rango de edad entre 65 y 75 años (buscando a futuro, analizar el deterioro cognitivo leve o MCI y posiblemente detectar nuevos biomarcadores) y ofrece, mediante software e interfaces gráficas, una visualización de los posibles focos de información determinados por el entrenamiento de las arquitecturas de redes neuronales.

A software tool was developed that analyzes MRI-type diagnostic images in their T1-Weighted sequence and looks for discriminating characteristics within the brain anatomy presented in the images so that in this way, it is possible, depending on the case, to determine the presence of atrophies. in cortical structures and particularly in the hippocampus, providing predictions about the presence of the condition based on anatomical alterations. Similarly, through graphic interfaces oriented to neuroscientific analysis, it was possible to visualize and interpret the performance and learning results carried out by artificial intelligence, confirming the theoretical assumptions about the approach when analyzing this type of pathology and mainly, identifying modifications Structural structures as possible biomarkers of the condition or indicators within the neuroimaging diagnostic process. In summary, this functional prototype, in its initial phase can learn anatomical and structural differences for both men and women (AD patients and / or CN subjects), in an age range between 65 and 75 years (looking for a future, analyzing mild cognitive impairment or MCI and possibly detecting new biomarkers) and offers, through software and graphical interfaces, a visualization of the possible sources of information determined by the training of neural network architectures