Evaluación del Uso de Técnicas de Aprendizaje Automático para Clasificar Síndromes PARKinsonianos Neurodegenerativos (Inteligencia Artificial) (PARKIA)

El diagnóstico de la enfermedad de Parkinson (EP) se basa principalmente en la observación clínica del paciente, buscando los tres síntomas característicos y, en ocasiones, sigue siendo un verdadero desafío. Los algoritmos de Machine Learning (ML) podrían ayudar a diagnosticar la EP de manera temprana y diferenciar la EP idiopática de los síndromes parkinsonianos atípicos.

En este contexto, el trabajo del equipo de Castillo-Barnes proporcionó un conjunto de características de imagen basadas en características morfológicas extraídas de DaTSCAN® o Ioflupane (radiofármaco marcado con yodo-123) tomografía computarizada por emisión de fotón único (SPECT) para discernir participantes sanos de participantes con enfermedad de Parkinson en un conjunto equilibrado de SPECT de la base de datos "Iniciativa de marcadores de progresión de Parkinson" (PPMI).

El equipo de Shabii et al evaluó el rendimiento de la clasificación de los pacientes con Parkinson y los controles normales cuando los indicadores semicuantitativos y las características de forma obtenidas en el transportador de dopamina (DAT) por tomografía computarizada por emisión de fotón único (SPECT) de ioflupano (123I-IP) son combinado como una función de aprendizaje automático (ML).

Los métodos basados ​​en IA pueden mejorar las evaluaciones de diagnóstico. Varios estudios de imágenes dopaminérgicas que utilizan IA han informado una precisión de hasta el 90 % para el diagnóstico de la EP.

Estos enfoques automatizados utilizan métodos de aprendizaje automático, basados ​​en análisis de texturas, para (i) diferenciar la EP y los sujetos sanos, (ii) diferenciar la EP y el parkinsonismo vascular, y (iii) distinguir entre diferentes formas de parkinsonismo atípico.

Un estudio realizado en 2 centros utilizando un modelo de máquina de vector de soporte lineal (SVM) discriminó pacientes con EP y sujetos sanos con una precisión del 82,5 %. Este rendimiento es similar a la evaluación visual realizada por médicos nucleares. imágenes paramétricas fue capaz de diferenciar la EP del parkinsonismo vascular con una precisión del 90,4%. El equipo de Nancy tiene una amplia experiencia en la detección de la EP en exploraciones SPECT y SPECT/CT con Ioflupane o DaTSCAN™