Análisis comparativo de la Red Ontogénica SuperRGNG en el diagnóstico temprano de la enfermedad de Aizheimer

Abstract

El envejecimiento poblacional ha incrementado las enfermedades asociadas al envejecimiento, destacando las demencias, especialmente la enfermedad de Alzheimer (EA) como la más prevalente. Esto ha impulsado la investigación en nuevos métodos diagnósticos. Los métodos computacionales, basados en aprendizaje automático (AA), han proporcionado una importante aportación. Este trabajo se centra en los basados en computación neuronal, evaluando la red neuronal ontogénica SupeRGNG para el diagnóstico temprano de la EA, mostrando resultados altamente prometedores, AUC>=0.99, en comparación con otros métodos de AA (MLP, SVM, etc.), para todos los problemas abordados. En los desarrollos realizados se han usado dos conjuntos de datos de ADNI, uno conteniendo criterios diagnósticos invasivos y otro no invasivos; evaluándose también la influencia del factor de riesgo edad en el diagnóstico.

The aging population has led to an increase in age-related diseases, with dementias, particularly Alzheimer's (AD), being the most prevalent. This has driven research into new diagnostic methods. Computational methods based on machine learning (ML) have made significant contributions. This work focuses on those based on neural computing, evaluating the ontogenic neural network SupeRGNG for the early diagnosis of AD, showing highly promising results, AUC>=0.99, compared to other ML methods (MLP, SVM, etc.) for all addressed problems. The developments have used two ADNI datasets, one containing invasive diagnostic criteria and the other non-invasive; the influence of the risk factor age on diagnosis has also been evaluated.