El uso de la retina como biomarcador en enfermedades neurodegenerativas. Simulación numérica

Martín Gallego, Alejandro
Pérez del Palomar Aldea, María Amaya (dir.)

Universidad de Zaragoza, EINA, 2018
Departamento de Ingeniería Mecánica, Área de Mec. de Medios Contínuos y Teor. de Estructuras

Máster Universitario en Ingeniería Mecánica

Resumen: En la actualidad el diagnóstico de la esclerosis múltiple (EM) se basa en la existencia de criterios clínicos de diseminación espacial (dos o más lesiones independientes en el sistema nervioso central) y temporal (dos o más episodios de disfunción neurológica), con la ayuda de los métodos de investigación paraclínicas como el líquido cefalorraquídeo (LCR, que presenta un aspecto sospechoso en pacientes con EM), la resonancia magnética (RM, que permite descartar otras enfermedades sospechosas) y los potenciales evocados (PE, utilizados para la valoración de la función en algunas vías nerviosas). Este método diagnóstico resulta costoso y en ocasiones muy largo, lo que puede retrasar de forma crítica la aplicación de tratamientos que puedan frenar el avance de los efectos discapacitantes de la enfermedad en los pacientes. En este contexto se pretende conseguir un sistema de diagnóstico rápido, eficaz y fiable. Para ello, se realiza un análisis de la retina como biomarcador en la EM. Ésta forma parte del sistema nervioso, afectado por la enfermedad, y además en diversos estudios bibliográficos se encuentran evidencias de la alteración del grosor de la retina en pacientes que sufren la patología. Para llevar a cabo el análisis, se estudian los datos obtenidos por el Servicio de Neuro-Oftalmología del Hospital Universitario Miguel Servet de Zaragoza a través de una prueba no invasiva llamada OCT (Optic Coherence Tomography), realizada tanto para pacientes con EM como para controles sanos. La OCT nos proporciona datos del grosor de las capas de la retina discriminando entre diferentes capas y zonas de la misma. En primer lugar, se realiza un tratamiento previo a las bases de datos proporcionadas por el Hospital para determinar los datos más relevantes, normalizar las bases de datos y poder realizar un estudio estadístico con las mismas. Además, se realiza un estudio de sensibilidad de los parámetros característicos para observar la importancia de los mismos y su relación con el diagnóstico de la enfermedad. En segundo lugar, se realizan varios modelos de predicción diagnóstica mediante el entrenamiento y validación de dos algoritmos de clasificación binaria y aprendizaje supervisado: el perceptrón multicapa (MLP, del inglés MultiLayer Perceptron) y las máquinas de soporte vectorial (SVM, del inglés Support Vector Machine). Se utilizan las librerías de aprendizaje automático implementadas en Matlab y para cada uno de los algoritmos se realiza una optimización de los diferentes parámetros que influyen en su capacidad de predicción con el objetivo de minimizar el error cometido en el diagnóstico. Por último, y en base a los resultados obtenidos, se compara la capacidad de los dos algoritmos en la clasificación de los pacientes en sanos y enfermos, además se muestra el valor diagnóstico de los diferentes modelos de predicción implementados mediante la representación de curvas ROC (Receiver Operating Characteristic) que permiten seleccionar uno de los modelos desarrollados que será el que tiene mayor valor diagnóstico para la patología. A modo de conclusión, se valora la retina como biomarcador en la EM y se sugiere la inclusión de ésta en el diagnóstico a través de la prueba OCT y un modelo desarrollado mediante algoritmos de predicción. Esto ayudará a los neurólogos a decidir y clasificar un paciente con esclerosis múltiple y llegando a conseguir así un diagnóstico más rápido que permita comenzar un tratamiento precoz ayudando a frenar la progresión de la enfermedad y a mejorar la calidad de vida de los pacientes.

Tipo de Trabajo Académico: Trabajo Fin de Master