Uno de los desafíos cruciales de la ciencia médica moderna es el desarrollo de biomarcadores para enfermedades neurodegenerativas como el Alzheimer, porque el diagnóstico confirmatorio o definitivo de estos males sigue siendo posmortem.
El diagnóstico en vida del paciente es muy difícil debido a la ausencia de marcadores específicos y solo es posible un diagnóstico de “probable Alzheimer”, ya sea clínico o por exclusión de cualquier otra causa de demencia: el diagnóstico definitivo se realiza mediante un estudio anatomopatológico posmortem.
Miles de investigadores en todo el mundo buscan nuevas técnicas y pruebas para utilizarlas en el dictamen del mal de Alzheimer. Por ejemplo, ahora se usan técnicas de diagnosis por imagen neurocerebral; electroencefalografía de nueva generación; determinación de marcadores bioquímicos periféricos y marcadores genéticos.
Consciente de la urgente necesidad de un método en el diagnóstico temprano de la enfermedad de Alzheimer, Jesús Alejandro Acosta Franco, egresado de la maestría en Ciencias en Sistemas Digitales del Centro de Investigación y Desarrollo de Tecnología Digital (CITEDI), desarrolla una herramienta tecnológica no invasiva que con Inteligencia Artificial (IA) automatiza el análisis de los movimientos corporales mediante pruebas de rendimiento cognitivo y funcional humano.
Desde Canadá, ya que estudia el doctorado en la Universidad de Alberta, en una larga conversación el ingeniero biomédico explica a Vértigo que “la principal herramienta que utilizamos son los videos multimedia, que se pueden tomar incluso con el celular, para observar el comportamiento de las personas al realizar algunas de las actividades cotidianas”.
Puntualiza que los videos se valoran “de acuerdo con una métrica que utilizan los geriatras a fin de detectar algunas deficiencias que tengan en sus movimientos o en las capacidades cognitivas, esencialmente”.
Acosta añade que “sabemos que la única certeza de que una persona tuvo Alzheimer o alguna demencia es por medio de un examen y estudios posmortem, es decir, una vez fallecida la persona se analiza su cerebro para ubicar dónde hay pérdida de células, disminución de tejido de materia gris y/o blanca. Ahora bien, gracias a la práctica clínica podemos distinguir en personas vivas cuando tienen deficiencias conductuales en su comportamiento”.
Es un proceso desafiante para médicos y geriatras porque las enfermedades neurodegenerativas se parecen o tienen síntomas semejantes, como la pérdida de memoria.
“Lo cierto es que con el paso del tiempo se pierde la capacidad de hacer algunas actividades. Precisamente identificar estos cambios es uno de los retos de los especialistas, ya que estos son indicios reveladores de un comportamiento anormal que puede arrojar luces para un diagnóstico temprano de Alzheimer”, comparte.
Asesorado por los profesores del CITEDI Mireya Saraí García Vázquez, Alejandro Álvaro Ramírez Acosta y Ciro Andrés Martínez García Moreno, así como el especialista en geriatría Clemente Humberto Zúñiga Gil, Acosta determinó marcadores biomecánicos humanos mediante algoritmos de procesamiento de señales, imágenes e Inteligencia Artificial para analizarlos y reconocer patrones funcionales humanos.
Debido a la pandemia de Covid-19 no le fue posible al egresado politécnico grabar en video a un grupo de personas saludables ejecutando Actividades Instrumentales de la Vida Diaria (AIVD), pero en el laboratorio de Aprendizaje Profundo e Indexación Multimedia (APIM) del CITEDI analizó más de 50 horas de video de personas sanas y jóvenes que obtuvo de un archivo de datos públicos del Instituto de Tecnología de Georgia, que incluyen contar dinero, preparar alimentos o medicamentos, utilizar la lavadora, escribir y hacer manualidades, entre otras acciones que requieren implícitamente capacidades cognitivas y toma de decisiones.
Marcador mecánico
Acosta y el grupo de geriatras vieron la posibilidad de poder capturar estos cambios en el comportamiento aprovechando el aprendizaje profundo. El deterioro cognitivo es una de las características que presentan los pacientes con demencia tipo Alzheimer y las AIVD son predictores de deterioro cognitivo, como demuestran varios trabajos de investigación.
“Para medir el deterioro cognitivo las AIVD se registran objetivamente, capturando datos de videos egocéntricos utilizando cámaras portátiles de acción montadas en anteojos o colgadas en el pecho de cada participante, centrándose en el uso de las manos mientras realizan estas actividades. Las imágenes obtenidas se analizan en función de la interacción hombre-objeto y la interacción hombre-medio ambiente”, relata.
Dice el doctorante que para realizar análisis precisos en la realización de estas actividades propone el uso y relación de los planos anatómicos (planos coronal, sagital y transversal) y patrones funcionales humanos sanos, de forma cuantitativa utilizando el aprendizaje profundo. En el plano coronal se identificaron patrones que involucran movimientos de desplazamiento y manipulación de objetos con una precisión de 87%. La información de los planos sagital y transversal se desarrolla con un modelo de aprendizaje profundo que proporciona los datos de profundidad necesarios para vincular la calidad de las AIVD. Al analizar estos planos se puede obtener más información sobre la distancia de la mano y el movimiento del cuerpo mientras realiza estas actividades.
Una vez fijados los parámetros de comportamiento estándar, narra Acosta, el siguiente paso es compararlos o ver estos parámetros en videos de personas que tienen más de 50 años, para ver si se alejan o se aproximan a los normales. Se trata de una situación semejante a un examen de sangre que implica comparar los datos arrojados por la muestra con los parámetros normales de la química sanguínea normal.
“En esta primera etapa —señala el estudioso—, al comparar los parámetros o patrones de referencia de una persona sana con los de una persona con Alzheimer vamos a ubicar una anormalidad que no cumple con los parámetros normales. Vamos a obtener evidencia para diagnosticar de manera temprana que una persona empieza a desarrollar la enfermedad de Alzheimer y que conviene desarrollar otros estudios”.
Los pormenores de esta apasionante investigación se registran en la tesis Caracterización de deficiencias egocéntricas y alocéntricas con aprendizaje profundo en la enfermedad de Alzheimer, con la que Acosta obtuvo el grado de maestro en Ciencias en Sistemas Digitales, con mención cum laude, que reporta resultados muy positivos con una precisión media de 73.74% en el reconocimiento de patrones funcionales humanos relacionados con la cinemática de los instrumentos y de 59.84% en el análisis del patrón prensil de manos.
Acosta vaticina la futura posibilidad de una cámara autónoma con conexión Bluetooth adherida a una gorra o unos anteojos que envía videos a un hardware que los analizará y procesará mediante técnicas avanzadas de Inteligencia Artificial para la detección temprana de Alzheimer.
De acuerdo con su inventor el novedoso marcador mecánico (refiere movimientos humanos) tiene una precisión de 87% reconociendo patrones de movimiento de desplazamiento y manipulación de objetos y una buena predicción de la profundidad de los planos anatómicos. Su conclusión es que el modelo sirve como herramienta para la predicción proactiva de la demencia de Alzheimer y apoyo en la toma de decisiones clínicas.
Entretanto, el proyecto seguirá en etapa de perfeccionamiento bajo la investigación de la especialista en ciencias digitales Eyitomilayo Yemesi Babatope, originaria de Nigeria, quien desarrolla el análisis de voz de las personas mayores de 50 años porque hay sonidos particulares emitidos en casos que se adentran a esta enfermedad neurodegenerativa.
RECUADRO
Mayores tasas de demencia
La demencia afecta a nivel mundial a 50 millones de personas, de las que alrededor de 60% vive en países de ingresos bajos y medios.
Cada año se registran cerca de diez millones de nuevos casos.
Se calcula que entre 5 y 8% de la población general de 60 años o más sufre demencia en un determinado momento.
Se prevé que el número total de personas con demencia alcance los 82 millones en 2030 y 152 millones en 2050.
El incremento se da porque en los países de ingresos bajos y medios el número de personas con demencia tenderá a aumentar cada vez más.
Fuente: OMS