En este proyecto se han valorizado una serie de resultados de software del grupo de forma que ya se puede hacer la transferencia estos resultados a las empresas interesadas en ellos. Estos resultados permiten a las empresas interesadas realizar avances significativos en la instrumentación dedicada al análisis y diagnosis de enfermedades neurodegenerativas, concretamente en la enfermedad de Alzheimer.
Colaboran con nosotros el grupo dirigido por el Dr. Luis Martí Bonmatí del Instituto de Investigación Sanitaria La Fe (IIS La FE) optimizando la eficiencia diagnóstica.
Este proyecto está financiado por la Agencia Valenciana de la Innovació.
Objetivos
El objetivo principal de este proyecto es la validación del software de tratamiento de imágenes de cerebro diseñado por nuestro grupo. Este software es capaz de analizar imágenes de cerebro mediante Deep-learning. Las principales características de este software son las siguientes:
- Se puede adaptar a cualquier escáner PET que se esté desarrollando o se haya desarrollado ya, es un valor añadido para cualquier producto que la empresa ya tenga desarrollado.
- Permite el análisis de imágenes de tomografía por emisión de positrones, incluyendo la clasificación automática de las imágenes mediante Deep-learning,
- Inicialmente está desarrollado para clasificación automática de imagen médica de cerebro, para la prevención de enfermedades neurológicas.
- En un futuro podría ser extensible, con poco trabajo adicional, a clasificación de otros tipos de imágenes de tomografía por emisión de positrones como imágenes cardiacas.
Resultados:
El software inicial ha sido testeado y modificado de acuerdo con las especificaciones de nuestros colaboradores en el IIS La Fe.
El resultado ha sido la validación de un algoritmo de imagen PET FDG de deep-learning (DL) capaz de identificar pacientes con cualquier enfermedad neurodegenerativa (Enfermedad de Alzheimer (EA), Degeneración Frontotemporal (FTD) o Demencia con Cuerpos de Lewy (DLB)) entre pacientes con Deterioro Cognitivo Leve (DCL).
Nuestro modelo tiene una precisión del 79 %, una sensibilidad del 88 % y una especificidad del 71 % en la identificación de pacientes con enfermedades neurodegenerativas analizadas, logrando un área bajo la curva característica operativa del receptor (AUC) de 0,90. En la validación externa, el modelo conservó una precisión equilibrada del 80 %, una sensibilidad del 75 %, una especificidad del 84 % y un AUC de 0,86.
Este modelo de clasificador binario basado en imágenes FDG PET permite la diagnosis precoz de enfermedades neurodegenerativas en pacientes con MCI en entornos clínicos estándar con una precisión equilibrada de clasificación general del 80 %.
Mercado potencial
El mercado potencial del producto final, una vez implementados en la industria competente, son todos los hospitales y centros de investigación que utilicen la tomografía por emisión de positrones, para estudiar imágenes neurológicas. Concretamente el mercado final (los receptores del producto una vez que la industria lo comercialice) son los hospitales encargados de la prevención, diagnóstico precoz, monitorización de enfermedades neurológicas, centros de investigación e industrias farmacéuticas dedicados a la teranóstica de enfermedades neurológicas.
Se ha comprobado que los resultados son independientes del escáner PET con el que se ha tomado la imagen, es totalmente adaptable a cualquier PET.
Si estás interesado contacta con nosotros
María José Rodríguez Alvarez mjrodri @ i3m.upv.es
Financiado por
