Un simple examen oftálico combinado con una poderosa tecnología de aprendizaje automático de inteligencia artificial (IA) podría proporcionar una detección temprana de la enfermedad de Parkinson, según una investigación presentada en la reunión anual de la Sociedad Radiológica de América del Norte (RSNA).

La enfermedad de Parkinson es un trastorno progresivo del sistema nervioso central que afecta a millones de personas en todo el mundo. El diagnóstico generalmente se basa en síntomas como temblores, rigidez muscular y deterioro del equilibrio, un enfoque que tiene limitaciones significativas.

"El problema con ese método es que los pacientes generalmente desarrollan síntomas solo después de una progresión prolongada con una lesión significativa en las neuronas cerebrales de dopamina", dijo el autor principal del estudio Maximillian Diaz, estudiante de doctorado en ingeniería biomédica en la Universidad de Florida en Gainesville, Florida. "Esto significa que estamos diagnosticando a los pacientes al final del proceso de la enfermedad".

La progresión de la enfermedad se caracteriza por la descomposición de las células nerviosas que adelgazan las paredes de la retina, la capa de tejido que recubre la parte posterior del globo ocular. La enfermedad también afecta los vasos sanguíneos microscópicos o microvasculatura de la retina. Estas características presentan una oportunidad para aprovechar el poder de la IA para examinar imágenes de los ojos en busca de signos de la enfermedad de Parkinson.

Para el nuevo estudio, Díaz colaboró ​​con el estudiante graduado Jianqiao Tian y el neurólogo de la Universidad de Florida Adolfo Ramirez-Zamora, MD, bajo la dirección de Ruogu Fang, Ph.D., director del Departamento de Informática Médica Inteligente de Ingeniería Biomédica de J. Crayton Pruitt. Laboratorio de Aprendizaje y Evaluación (SMILE).

Los investigadores implementaron un tipo de inteligencia artificial llamada aprendizaje de máquina de vectores de apoyo (SVM) que existe desde 1989. Usando imágenes de la parte posterior del ojo de pacientes con enfermedad de Parkinson y participantes de control, entrenaron a la SVM para detectar signos en las imágenes sugestivo de enfermedad.

Los resultados indicaron que las redes de aprendizaje automático pueden clasificar la enfermedad de Parkinson según la vasculatura de la retina, y las características clave son los vasos sanguíneos más pequeños. Los métodos propuestos apoyan aún más la idea de que los cambios en la fisiología del cerebro se pueden observar en el ojo.

Comparación de la segmentación del vaso a partir de la imagen de entrada: (a-c) El método de escala de grises seleccionó completamente el vaso primario que corría horizontalmente a lo largo de la imagen, cuando la selección original solo obtuvo pequeñas secciones. (d-f) La selección mejorada de vasos podría segmentar la selección de vasos más pequeños que se encuentran a lo largo de la imagen, aunque a veces se limitaba a secciones divididas. (g-i) Una representación de la mejor selección de embarcaciones donde se seleccionan todas las embarcaciones que se encuentran en la imagen.

Procesos de aprendizaje automático: (a) Los vasos sanguíneos se seleccionan de la imagen original del fondo de ojo mediante una red de aprendizaje automático llamada U-Net, que fue entrenada para seleccionar vasos sanguíneos en el ojo. Luego, los vasos se introducen en el clasificador de la máquina de vectores de soporte para diagnosticar si una persona tiene la enfermedad de Parkinson. (b) Se crea una imagen en escala de grises a partir de la imagen del fondo de ojo y los vasos son seleccionados por la misma red U-Net para mejorar la selección de vasos sanguíneos.

"El hallazgo más importante de este estudio fue que se diagnosticó una enfermedad cerebral con una imagen básica del ojo", dijo Díaz. "Esto es muy diferente de los enfoques tradicionales en los que para encontrar un problema con el cerebro se observan diferentes imágenes cerebrales".

Díaz señaló que esos enfoques tradicionales de imágenes con resonancia magnética, tomografía computarizada y técnicas de medicina nuclear pueden ser muy costosos. Por el contrario, el nuevo enfoque utiliza fotografía básica con equipos comúnmente disponibles en clínicas oftalmológicas para obtener una imagen. Las imágenes incluso se pueden capturar con un teléfono inteligente con una lente especial.

"Es solo una simple imagen del ojo, se puede hacer en menos de un minuto y el costo del equipo es mucho menor que el de una máquina de tomografía computarizada o resonancia magnética", dijo Díaz. "Si podemos hacer que esta sea una prueba de detección anual, entonces la esperanza es que podamos detectar más casos antes, lo que puede ayudarnos a comprender mejor la enfermedad y encontrar una cura o una forma de ralentizar la progresión".

El enfoque también puede tener aplicaciones para identificar otras enfermedades que afectan la estructura del cerebro, como la enfermedad de Alzheimer y la esclerosis múltiple, dijo Díaz.

Comparación de la segmentación del vaso a partir de la imagen de entrada: (a-c) El método de escala de grises seleccionó completamente el vaso primario que corría horizontalmente a lo largo de la imagen, cuando la selección original solo obtuvo pequeñas secciones. (d-f) La selección mejorada de vasos podría segmentar la selección de vasos más pequeños que se encuentran a lo largo de la imagen, aunque a veces se limitaba a secciones divididas. (g-i) Una representación de la mejor selección de embarcaciones donde se seleccionan todas las embarcaciones que se encuentran en la imagen.

Procesos de aprendizaje automático: (a) Los vasos sanguíneos se seleccionan de la imagen original del fondo de ojo mediante una red de aprendizaje automático llamada U-Net, que fue entrenada para seleccionar vasos sanguíneos en el ojo. Luego, los vasos se introducen en el clasificador de la máquina de vectores de soporte para diagnosticar si una persona tiene la enfermedad de Parkinson. (b) Se crea una imagen en escala de grises a partir de la imagen del fondo de ojo y los vasos son seleccionados por la misma red U-Net para mejorar la selección de vasos sanguíneos.