Prevenció de la malaltia d'Alzheimer: una contribució de la ressonància magnètica i l'aprenentatge automàtic

La enfermedad de Alzheimer es una una enfermedad neurodegenerativa y, a su vez, la principal causa de demencia (50-70% de los casos). A pesar del esfuerzo realizado, aún no se ha logrado encontrar el remedio a esta. La utilización de técnicas de machine learning junto con la utilización de imágenes de resonancia magnética tiene como objetivo servir de soporte para el diagnóstico de la enfermedad. Muchos estudios se han centrado en identificar la enfermedad en sus etapas media y avanzada. En cambio, nosotros nos centramos en la identificación de esta durante su etapa preclínica, cuando los síntomas aún no están presentes. La principal novedad en nuestro proyecto se encuentra en el hecho de realizar un estudio longitudinal con los datos. Además de la clasificación, el proyecto se centra en detectar los vóxeles más relevantes para la clasificación, hecho que puede estar relacionado con los cambios estructurales en el cerebro. Hemos mejorado el rendimiento de clasificación en comparación con los obtenidos con conjuntos de datos no longitudinales en estudios previos y hemos detectado posibles regiones de interés basadas en los puntajes de características obtenidos de la selección de características.L'Alzheimer és una malaltia neurodegenerativa i, de fet, la principal causa de demència (50-70% dels casos). Malgrat l'esforç realitzat, encara no s'ha aconseguit trobar-hi remei. La utilització de tècniques de machine learning juntament amb la utilització d'imatges de ressonància magnètica té com a objectiu servir de suport per al diagnòstic d'aquesta. Molts estudis s'han centrat en identificar-la en les etapes mitjana i avançada. En canvi, ens centrem en l'identificació d'aquesta durant la seva etapa preclínica, quan els símptomes encara no estan presents. La principal novetat en el nostre projecte recau en el fet de realitzar un estudi longitudinal amb les dades. A més de la classificació, el projecte es centra en detectar les zones més rellevants per a la classificació, fet que pot estar relacionat amb els canvis estructurals en el cervell. Hem millorat el rendiment de classificació en comparació amb els obtinguts amb conjunts de dades no longitudinals en estudis anteriors i hem detectat possibles regions d'interès basades en els puntajes de característiques obtingudes de la selecció de característiques.Alzheimer's disease (AD) is a neurodegenerative disease and the leading cause of dementia (50-70% of cases). Despite worldwide efforts, there is no progress in developing a cure for AD and dementia. Machine learning, hand in hand with magnetic resonance imaging (MRI), come to the aid of disease diagnostics. In the scope of AD, many efforts have been dedicated to the automated detection of mild-cognitive impairment and dementia. In our research, instead we focus on the prediction of AD in its preclinical stage using machine learning classification. Another key innovation is that we will work with a longitudinal pipeline. In addition to classification, the project focuses on detecting the most relevant imaging voxels for classification, that is, to help us locate where AD-specific structural brain changes occur. We have improved classification performance in comparison with results obtained with cross-sectional datasets in previous studies and we have identified possible regions of interest based on feature scores obtained from feature selection