Estudio: la inteligencia artificial puede mejorar la detección por resonancia magnética del TDAH
14 de enero de 2020
La inteligencia artificial puede mejorar significativamente la precisión de los modelos neuronales mediante escáneres cerebrales por resonancia magnética para detectar el trastorno por déficit de atención con hiperactividad (TDAH), según un estudio publicado recientemente en Radiología: Inteligencia Artificial.1
El estudio, realizado por investigadores de Ohio Universidad de Cincinnati. y el Centro Médico del Hospital de Niños de Cincinnati, se centra en la idea emergente de usar Imágenes del cerebro para detectar signos de TDAH en pacientes Actualmente, no existe una prueba única y definitiva para el TDAH: el diagnóstico se produce después de una serie de pruebas de síntomas y de comportamiento.
La investigación, sin embargo, sugiere que TDAH potencialmente puede detectarse estudiando el conectoma, un mapa de las conexiones neuronales del cerebro construido mediante capas de imágenes de resonancia magnética del cerebro, conocidas como parcelaciones. Algunos estudios sugieren que un conectoma interrumpido o interrumpido está relacionado con el TDAH.
La mayoría de las investigaciones hasta ahora han involucrado el modelo de "red neuronal profunda de un solo canal" (scDNN), donde la inteligencia artificial ayuda a una computadora a construir conectomas basados en una parcela. En este estudio, los científicos desarrollaron un "modelo de red neuronal profunda multicanal", o mcDNN, donde los conectomas se construyen a partir de múltiples parcelaciones. Estas parcelaciones a gran escala provienen de conjuntos de datos cerebrales de 973 participantes.
El modelo también fue programado para analizar y detectar patrones en los conectomas multiescala para detectar el TDAH e identificar las características más predictivas del conectoma cerebral para Diagnóstico de TDAH. Los resultados mostraron que el rendimiento de detección de TDAH mejoró "considerablemente" con el modelo mcDNN sobre la alternativa scDNN.
"Nuestros resultados enfatizan el poder predictivo del conectoma cerebral", dijo la autora principal Lili He a la Sociedad Radiológica de América del Norte2. "El conectoma funcional cerebral construido que abarca múltiples escalas proporciona información complementaria para la representación de redes en todo el cerebro".
El estudio abre las puertas para obtener imágenes cerebrales y redes neuronales profundas, o aprendizaje profundo, para ayudar a detectar otras condiciones. "Este modelo se puede generalizar a otras deficiencias neurológicas", dijo, y señaló que este modelo mcDNN ya es se usa para predecir la deficiencia cognitiva en bebés prematuros, por ejemplo, para predecir los resultados del desarrollo neurológico a la edad dos.
Fuentes
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., y él, L. (2019). Un modelo de red neuronal profunda multicanal que analiza datos de conectoma cerebral funcional multiescala para la detección del trastorno por déficit de atención con hiperactividad. Radiología: Inteligencia Artificial, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 La inteligencia artificial aumenta la detección por resonancia magnética del TDAH. (2019, 11 de diciembre). Recuperado 2020, 13 de enero de https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Actualizado el 14 de enero de 2020
Desde 1998, millones de padres y adultos han confiado en la orientación y el apoyo de expertos de ADDitude para vivir mejor con el TDAH y sus afecciones de salud mental relacionadas. Nuestra misión es ser su asesor de confianza, una fuente inquebrantable de comprensión y orientación en el camino hacia el bienestar.
Obtenga un número gratuito y un eBook ADDitude gratis, además ahorre 42% del precio de cobertura.
