Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Las ayudas computarizadas de la aproximación diagnostican los desordenes neurológicos basados en la debilitación del motor

La manera que nos movemos dice mucho sobre el estado de nuestro cerebro. Mientras que el comportamiento normal del motor apunta a una función sana del cerebro, las desviaciones pueden indicar debilitaciones debido a enfermedades neurológicas. La observación y la evaluación de las configuraciones del movimiento es por lo tanto parte de investigación básica y es además uno de los instrumentos más importantes para los diagnósticos no invasores en usos clínicos.

Bajo liderazgo del profesor el Dr. Björn Ommer del informático y en colaboración con investigadores de Suiza, una nueva aproximación computarizada en este contexto se ha desarrollado en la universidad de Heidelberg. Como estudios inter alia con las personas humanas de la prueba han mostrado, esta aproximación habilita el reconocimiento completamente automático de las debilitaciones del motor y, con su análisis, provee de la información sobre el tipo de las enfermedades subyacentes el socorro de la inteligencia artificial.

Para el análisis asistido por ordenador del movimiento, los temas tienen que ser marcados con etiqueta generalmente con las marcas reflexivas o los marcadores virtuales tienen que ser aplicados al material video producido en el marco de la evaluación. Ambos procedimientos son comparativamente complicados. Además, el comportamiento visible del movimiento tiene que ser sabido por adelantado para poderlo examinar más a fondo.

“Una herramienta diagnóstica real debe no sólo confirmar desordenes de motor sino poder reconocerlos en el primer lugar y clasificarlos correctamente,” explica a profesor Ommer, que dirige al grupo de Vision de computador en el centro interdisciplinario hacia calcular científico en la universidad de Heidelberg.

Exacto eso es hecha posible por el método diagnóstico nuevo desarrollado por sus personas, y conocido como “análisis y aumento no supervisados del comportamiento usando profundamente el aprendizaje” (uBAM). El algoritmo subyacente se basa en el aprendizaje de máquina usando redes neuronales artificiales y reconoce independientemente y completo automáticamente comportamiento característico y las desviaciones patológicas, como el científico de Heidelberg explica.

El algoritmo determina qué parte del cuerpo es afectada y funciona como una clase de lupa para las configuraciones del comportamiento destacando diversos tipos de desviación directamente en el vídeo y haciéndolos visibles. Como parte de esto, el material video relevante se compara con otros temas sanos o además empeorados. El progreso en tratar desordenes de motor se puede también documentar y analizar de esta manera. Según profesor Ommer, las conclusiones se pueden también extraer sobre la actividad neuronal en el cerebro.

La base para el interfaz del uBAM es una supuesta red neuronal circumvolucional, un tipo de red neuronal que se utilice para el reconocimiento de la imagen y los propósitos del tratamiento de la imagen especialmente. Los científicos entrenaron a la red para determinar comportamiento similar del movimiento en el caso de diversos temas, incluso a pesar de grandes diferencias en su aspecto exterior.

Eso es posible porque la inteligencia artificial puede distinguir entre la postura y el aspecto. Además del reconocimiento y de la cuantificación de debilitaciones, un análisis detallado de los síntomas es también importante.

Para estudiarlos detalladamente, utilizamos una red neuronal generativa. Esa manera podemos ayudar a neurólogos y a clínicos a centrarnos en las desviaciones sutiles en comportamiento del motor que son probables ser pasadas por alto a simple vista, y a hacerlas fácilmente visibles magnificando la desviación. Entonces podemos demarcar exactamente el tipo de enfermedad en el caso individual.”

El Dr. Björn Ommer, informático y profesor, universidad de Heidelberg

El equipo de investigación ha podido probar la eficacia de esta nueva aproximación con el socorro de diversos modelos animales y estudia ya con los pacientes humanos. Probaron, inter alia, la precisión con la cual el uBAM puede distinguir entre la actividad de motor sana y empeorada. En su publicación en el tema, los científicos denuncian un régimen muy alto de la extracción en ratones y pacientes humanos.

“En todos, nuestro estudio muestra que, con respecto a métodos convencionales, la aproximación basada en la inteligencia artificial entrega resultados más detallados con importante menos esfuerzo,” Björn Ommer acentúa.

En cuanto al uso, los científicos esperan que el uBAM sea utilizado en la investigación biomédica básica y en diagnósticos clínicos y más allá. Profesor Ommer: “El interfaz puede ser aplicado donde los métodos tradicionales prueban demasiado complicado, aburrido, o no eficiente bastante. Potencialmente podría llevar a una mejor comprensión de procesos neuronales en el cerebro y del revelado de nuevas opciones terapéuticas.”

Source:
Journal reference:

Brattoli, B., et al. (2021) Unsupervised behaviour analysis and magnification (uBAM) using deep learning. Nature Machine Intelligence. doi.org/10.1038/s42256-021-00326-x.