La enfermedad de Alzheimer se ha consolidado como una de las principales causas de demencia en el mundo, provocando enormes desafíos médicos y económicos. Con un aumento pronosticado en los casos de Alzheimer en las próximas décadas, la detección temprana, incluyendo el deterioro cognitivo leve, es crucial para ralentizar la progresión de la enfermedad. A pesar de los avances significativos en el diagnóstico mediante neuroimágenes y el aprendizaje automático, aún persiste un escepticismo debido a la falta de interpretabilidad de los modelos de inteligencia artificial, lo cual es esencial para ganarse la confianza de los clínicos.
En este contexto, un reciente estudio ha presentado un enfoque innovador basado en “Mapas Jacobianos” (JM) para mejorar la explicabilidad y la confiabilidad en la detección del Alzheimer. Este enfoque utiliza un marco multimodal para capturar cambios localizados en el volumen cerebral y establece correlaciones significativas entre las predicciones de los modelos y biomarcadores neuroanatómicos conocidos del Alzheimer. Los JM permiten transformar datos de imagen cerebral (MRI, CT, PET) para revelar cambios volumétricos en regiones cerebrales específicas, lo que mejora la interpretabilidad y proporciona una perspectiva más profunda sobre las predicciones del modelo previamente opacas.
Mediante experimentos que comparan una CNN de 3D entrenada con JM frente a datos preprocesados tradicionales, los resultados demostraron una precisión superior del enfoque basado en JM. Los mapas de activación de clase gradiente-cam (Grad-CAM) proporcionaron además tanto ideas visuales como cuantitativas, mostrando una mejoría en la interpretabilidad y la confiabilidad diagnóstica.
Específicamente, los mapas de calor derivados de los JM destacaron áreas específicas de interés en imágenes cerebrales, alcanzando una precisión del 95.2% en etapas cognitivamente normales (CN), un 96.3% en deterioro cognitivo leve (MCI), y un 90.2% tanto en etapas de demencia moderada como severa (MLD y SEV). Estos resultados superan los métodos tradicionales, que arrojaban preciones menores.
En conclusión, el empleo de los Mapas Jacobianos como un enfoque previo al modelo en el campo de la explicabilidad en inteligencia artificial para la detección de la enfermedad de Alzheimer no sólo mejora la precisión diagnóstica, sino que también contribuye significativamente a lograr interpretaciones más comprensibles y confiables. Esta metodología no requiere modificaciones en los modelos de IA, lo que simplifica su integración en los procedimientos actuales. Avanzando, el objetivo es extender este enfoque a otros trastornos neurodegenerativos, explorando su aplicación práctica en entornos clínicos reales para aumentar la confianza y la adopción en los diagnósticos médicos.