Entrenar un model d'IA capaç de detectar amb fiabilitat els senyals de l'alzheimer en una ressonància magnètica sol requerir milers d'imatges etiquetades per a cada tasca concreta —distingir demència, predir dipòsits d'amiloide, mesurar volums d'estructures cerebrals—, unes dades que la majoria de centres de recerca no tenen a l'abast. Fins ara, cada nova tasca clínica solia implicar tornar a entrenar un model gairebé des de zero.
Reza Rajabli i D. Louis Collins, del laboratori NIST del Montreal Neurological Institute, a la Universitat McGill, han publicat el 4 de setembre a arXiv un estudi que parteix d'una altra via: agafen una xarxa convolucional 3D compacta, ja entrenada prèviament només per predir l'edat biològica del cervell a partir d'una ressonància, en congelen els 7,18 milions de pesos i l'adapten a cada nova tasca relacionada amb l'alzheimer afegint-hi tan sols un 1% més de paràmetres entrenables, mitjançant la tècnica coneguda com LoRA. Amb aquest mètode, el model distingeix persones cognitivament sanes de persones amb demència a la base de dades ADNI amb una àrea sota la corba ROC de 0,964; es transfereix a una segona base de dades, OASIS-3, sense cap reentrenament addicional i hi manté un 0,871; prediu la positivitat d'amiloide —un marcador clau de la malaltia— amb un 0,804, i estima volums d'estructures cerebrals amb precisió.
La notícia és rellevant perquè demostra que un únic model «fundacional», entrenat de manera relativament barata per a una sola tasca, pot reaprofitar-se per a múltiples usos diagnòstics relacionats amb l'alzheimer sense el cost de recollir grans conjunts de dades nous per a cadascun, una via que podria abaratir i estendre l'ús d'aquestes eines a centres de recerca i hospitals amb menys recursos que els grans laboratoris que solen protagonitzar aquest tipus d'avenços.
Es tracta d'un preprint encara no revisat per parells, validat només sobre conjunts de dades públics ja establerts (ADNI i OASIS-3) i no encara en un entorn clínic real; la tasca de predir la positivitat d'amiloide obté un rendiment clarament més baix que la de distingir demència, i els autors no aporten dades sobre com es comportaria el model amb poblacions o aparells de ressonància magnètica més diversos que els inclosos en aquestes dues bases de dades de referència.