Entradas Populares
Herramienta de inteligencia artificial para detectar las características distintivas de la enfermedad de Alzheimer
El estudio, publicado en la revista Nature Communications, es una prueba de concepto para un enfoque de aprendizaje automático para distinguir marcadores críticos de la enfermedad neurodegenerativa.
Las placas de amiloide son grupos de fragmentos de proteínas en el cerebro de las personas con enfermedad de Alzheimer que destruyen las conexiones de las células nerviosas, dijeron investigadores de la Universidad de California en Davis, EE. UU. (Foto de Thinkstock Images) Los investigadores han encontrado una manera de enseñar a una computadora a detectar con precisión una de las características distintivas de la enfermedad de Alzheimer en el tejido cerebral humano utilizando inteligencia artificial (IA).
El estudio, publicado en la revista Comunicaciones de la naturaleza , es una prueba de concepto para un enfoque de aprendizaje automático para distinguir marcadores críticos de la enfermedad neurodegenerativa.
Las placas de amiloide son grupos de fragmentos de proteínas en el cerebro de personas con enfermedad de Alzheimer que destruyen las conexiones de las células nerviosas, dijeron investigadores de la Universidad de California, Davis (UC Davis) en EE. UU.
Al igual que la forma en que Facebook reconoce rostros basándose en imágenes capturadas, la herramienta de aprendizaje automático puede ver si una muestra de tejido cerebral tiene un tipo de placa amiloide u otra, y hacerlo muy rápidamente.
Los hallazgos sugieren que el aprendizaje automático puede aumentar la experiencia y el análisis de un neuropatólogo experto.
La herramienta les permite analizar miles de veces más datos y hacer nuevas preguntas que no serían posibles con las capacidades limitadas de procesamiento de datos de incluso los expertos humanos más capacitados.
Todavía necesitamos al patólogo, dijo Brittany N Dugger, profesora asistente en UC Davis y autora principal del estudio.
Esta es una herramienta, como un teclado para escribir. Como los teclados han ayudado en los flujos de trabajo de escritura, la patología digital combinada con el aprendizaje automático puede ayudar con los flujos de trabajo de neuropatología, dijo Dugger.
Se asoció con Michael J. Keizer, profesor asistente de la Universidad de California, San Francisco (UCSF), para determinar si podían enseñarle a una computadora a automatizar el laborioso proceso de identificar y analizar pequeñas placas amiloides de varios tipos en grandes porciones de autopsias humanas. tejido cerebral.
Keizer y su equipo diseñaron una red neuronal convolucional (CNN), un programa informático diseñado para reconocer patrones basados en miles de ejemplos etiquetados por humanos.
El equipo ideó un método que le permitió anotar o etiquetar rápidamente decenas de miles de imágenes de una colección de medio millón de imágenes en primer plano de tejido de 43 muestras cerebrales sanas y enfermas.
Al igual que un servicio de citas por computadora que permite a los usuarios deslizarse hacia la izquierda o hacia la derecha para etiquetar la foto de alguien como caliente o no, desarrollaron una plataforma web que le permitió a Dugger mirar una por una en regiones de placas potenciales muy ampliadas y etiquetar rápidamente lo que vio allí.
Esta herramienta de patología digital, que los investigadores llamaron blob o no, le permitió a Dugger anotar más de 70,000 blobs, o candidatos a placa, a una velocidad de aproximadamente 2,000 imágenes por hora.
El equipo de UCSF utilizó esta base de datos de decenas de miles de imágenes de ejemplo etiquetadas para entrenar su algoritmo de aprendizaje automático de CNN para identificar diferentes tipos de cambios cerebrales observados en la enfermedad de Alzheimer.
¿Con qué frecuencia se riega un cactus injertado?
Eso incluye discriminar entre las denominadas placas con núcleo y difusas e identificar anomalías en los vasos sanguíneos.
Los investigadores demostraron que su algoritmo podía procesar un portaobjetos completo de todo el cerebro con una precisión del 98,7 por ciento, con una velocidad solo limitada por la cantidad de procesadores de computadora que usaban.