Métodos basados ​​en computación neuronal para el diagnóstico temprano y el pronóstico de la enfermedad de Alzheimer sin utilizar biomarcadores de neuroimagen: una revisión sistemática

Abstract

The growing number of older adults in recent decades has led to more prevalent geriatric diseases, such as strokes and dementia. Therefore, Alzheimer’s disease (AD), as the most common type of dementia, has become more frequent too. Objective: The goals of this work are to present state-of-the-art studies focused on the automatic diagnosis and prognosis of AD and its early stages, mainly mild cognitive impairment, and predicting how the research on this topic may change in the future. Methods: Articles found in the existing literature needed to fulfill several selection criteria. Among others, their classification methods were based on artificial neural networks (ANNs), including deep learning, and data not from brain signals or neuroimaging techniques were used. Considering our selection criteria, 42 articles published in the last decade were finally selected. Results: The most medically significant results are shown. Similar quantities of articles based on shallow and deep ANNs were found. Recurrent neural networks and transformers were common with speech or in longitudinal studies. Convolutional neural networks (CNNs) were popular with gait or combined with others in modular approaches. Above one third of the cross-sectional studies utilized multimodal data. Non-public datasets were frequently used in cross-sectional studies, whereas the opposite in longitudinal ones. The most popular databases were indicated, which will be helpful for future researchers in this field. Conclusions: The introduction of CNNs in the last decade and their superb results with neuroimaging data did not negatively affect the usage of other modalities. In fact, new ones emerged.

Antecedentes: El creciente número de adultos mayores en las últimas décadas ha dado lugar a enfermedades geriátricas más prevalentes, como accidentes cerebrovasculares y demencia. Por lo tanto, la enfermedad de Alzheimer (EA), como el tipo más común de demencia, también se ha vuelto más frecuente. Objetivo: Los objetivos de este trabajo son presentar estudios de última generación enfocados en el diagnóstico y pronóstico automático de la EA y sus etapas tempranas, principalmente el deterioro cognitivo leve, y predecir cómo la investigación sobre este tema puede cambiar en el futuro. Métodos: Los artículos encontrados en la literatura existente debían cumplir varios criterios de selección. Entre otros, sus métodos de clasificación se basaron en redes neuronales artificiales (RNA), incluido el aprendizaje profundo, y no utilizaron datos procedentes de señales cerebrales ni técnicas de neuroimagen. Considerando nuestros criterios de selección, finalmente se seleccionaron 42 artículos publicados en la última década. Resultados: Se muestran los resultados médicamente más significativos. Se encontraron cantidades similares de artículos basados ​​en RNA superficiales y profundas. Las redes neuronales recurrentes y los transformadores eran comunes en el habla o en estudios longitudinales. Las redes neuronales convolucionales (CNN) eran populares entre la marcha o se combinaban con otras en enfoques modulares. Más de un tercio de los estudios transversales utilizaron datos multimodales. En los estudios transversales se utilizaron con frecuencia conjuntos de datos no públicos, mientras que en los longitudinales se utilizó lo contrario. Se indicaron las bases de datos más populares, que serán de utilidad para futuros investigadores en este campo. Conclusiones: La introducción de las CNN en la última década y sus magníficos resultados con datos de neuroimagen no afectó negativamente el uso de otras modalidades. De hecho, surgieron otros nuevos.