APLICACIÓN DE ALGORITMOS DE MACHINE LEARNING EN LA DETECCIÓN PRECOZ DE BIOMARCADORES VOLUMÉTRICOS POR RESONANCIA MAGNÉTICA ESTRUCTURAL EN LAS ETAPAS INICIALES DE LA ENFERMEDAD DE ALZHEIMER

Resumen

Este artículo buscó evaluar la aplicación de algoritmos de Machine Learning (ML) en la detección precoz de biomarcadores volumétricos por Resonancia Magnética estructural (RMe) en las etapas iniciales de la Enfermedad de Alzheimer (EA). Se trata de una revisión de la literatura de carácter descriptivo y exploratorio, basada en la selección rigurosa de 24 artículos científicos en las bases PubMed/MEDLINE, Scopus y Web of Science, enfocada en la precisión diagnóstica de modelos predictivos en la diferenciación entre individuos cognitivamente normales y pacientes con Deterioro Cognitivo Leve (DCL). Los resultados demostraron la superioridad predictiva de algoritmos supervisados, notablemente las Máquinas de Vectores de Soporte (SVM) y Random Forest (RF). Se evidenció que la cuantificación simultánea de múltiples biomarcadores, específicamente la atrofia del hipocampo asociada al adelgazamiento del córtex entorrinal, proporcionó los mayores índices de precisión y sensibilidad en la clasificación prodrómica, superando significativamente a los análisis anatómicos aislados. Se concluye que la automatización radiómica vía ML mitiga la subjetividad diagnóstica tradicional y optimiza la estratificación de riesgo temprano. Sin embargo, se señala la necesidad de validación externa en cohortes multicéntricas heterogéneas y el desarrollo de Inteligencia Artificial Explicable para una traslación clínica segura.