Resumen

En la progresión de la enfermedad de Alzheimer (EA), es imprescindible identificar a los sujetos con deterioro cognitivo leve antes de que aparezcan los síntomas clínicos de la EA. Este trabajo propone una técnica de apoyo a la decisión para identificar a los sujetos que mostrarán la transición del deterioro cognitivo leve (DCL) a la enfermedad de Alzheimer (EA) en el futuro. Utilizamos predictores robustos a partir de biomarcadores derivados de la RMN multivariante y medidas neuropsicológicas y rastreamos sus trayectorias longitudinales para predecir signos de EA en la población con DCL. Asumiendo una progresión lineal por partes de la enfermedad, diseñamos una novedosa técnica basada en la compensación de gradiente ponderada para predecir el valor futuro del marcador utilizando lecturas de al menos dos visitas de seguimiento anteriores. Posteriormente, las trayectorias completas de los predictores se utilizan como características para un clasificador de máquina de vectores de apoyo estándar para identificar los progresores de DCL a EA entre los pacientes con DCL inscritos en la cohorte de la iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI). Exploramos el rendimiento de los modelos unimodal y multimodal en una configuración de validación cruzada de 5 veces. La técnica propuesta dio como resultado una alta clasificación AUC de 91,2 y 95,7 para la predicción de la EA a 6 meses y 1 año, respectivamente, utilizando marcadores multimodales. Al final, discutimos la eficacia de los marcadores de RM en comparación con los de NM para la predicción de la conversión de DCL a EA.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:deterioro cognitivo leve, enfermedad, síntomas de ad, trayectoria de predicción completa, mci, auc de alta clasificación, eficacia de la mri, valor de marcador futuro, predicción de conversión de ad, signo de ad
• Keywords:mild cognitive impairment, disease, symptoms of ad, complete predictor trajectory, mci, high classification auc, efficacy of mri, future marker value, ad conversion prediction, sign of ad