Conectividad funcional dinámica en la enfermedad de Alzheimer

Abstract

La enfermedad de Alzheimer es un grave problema de la sociedad actual. Debido a su difícil diagnóstico y su largo desarrollo a lo largo de la vida del paciente surge la idea de intentar aprovechar los medios existentes para mejorar el proceso de detección de esta enfermedad. Hasta el momento el diagnóstico certifica la enfermedad ya en una fase que afecta gravemente a la salud y el bienestar del paciente. Por ello hay que intentar detectarla en la fase denominada deterioro cognitivo leve. Tras varios estudios y trabajos desarrollados, se ha llegado a la conclusión de que hay ciertos patrones en el electroencefalograma que indican que la enfermedad se encuentra en dicha fase. Gracias al procesado de señal se pueden estudiar estos patrones y probablemente llegar a una solución para poder diagnosticar la enfermedad de Alzheimer a tiempo. Debido al alto coste computacional de los métodos de conectividad funcional dinámica surge la motivación de buscar la forma de reducirlo. La forma más sencilla de abordar este problema implica un cambio de lenguaje y de entorno de computación. Al emplear Matlab, el sofware utilizado hasta el momento, el tiempo de computación supera las 3 horas para un único sujeto y un único método. Traducir estas operaciones de C++ a Python además de reducir el tiempo de computación tiene la ventaja de que el software de compilación de Python (Spyder) es de licencia abierta. Al traducir el lenguaje actual (C++) a Python se aprecia una mejora notable en el tiempo de computación, en algunos casos se reduce de 3 horas a 22 minutos para el cálculo de 1 solo sujeto, aunque dependiendo del cálculo algunos emplean más tiempo. En cuanto al consumo de recursos, en Matlab se consume de media en torno al 85-90% de la memoria durante todo el tiempo de cálculo con unos picos finales de 93% de media, sin embargo Spyder tiene unos picos iniciales durante los primeros cálculos en torno al 90% pero conforme avanza la computación se estabiliza en un 60-80 %. Se han obtenido resultados favorables en cuanto al tiempo de computación por lo que el resultado del trabajo ha sido satisfactorio en términos generales. A pesar de las dificultades de la traducción de un lenguaje a otro se ha podido llevar a cabo.

Alzheimer’s disease is a serious problem in today’s society. Due to its difficult diagnosis and its long development throughout the patient’s life, the idea arises to try to take advantage of existing means to improve the process of detection of this disease. So far the diagnosis certifies the disease in a phase that seriously affects the health and welfare of the patient. That’s the reason why we have to try to detect it in the phase known as mild cognitive impairment. After several studies and developed works, it has been concluded that there are certain patterns in the electroencephalogram that indicate that the disease is in this phase. Due to signal processing, these patterns can be studied and probably a solution can be found in order to diagnose Alzheimer’s disease in time. Due to the high computational cost of dinamic functional connectivity methods, the motivation arises to look for ways to reduce it. The simplest way to address this problem involves a change of language and computing environment. Using Matlab, the software used so far, the computing time exceeds 3 hours for a single subject and a single method. Translating these operations from C++ to Python in addition to reducing computing time has the advantage that Python compilation software (Spyder) is open license. When translating the current language (C++) to Python is seen a significant improvement in computing time, in some cases reduced from 3 hours to 22 minutes for the calculation of 1 single subject, although depending on the calculation some spend more time. In terms of memory consumption, Matlab consumes on average around 85-90 % of the memory during the entire time of calculation with final peaks of 93 % on average, however Spyder has some initial peaks during the first calculations around 90 % but as it advances the computation is stabilized at 60-80 %. Favourable results have been obtained in terms of computation time so the result of the work has been satisfactory in general terms. In spite of the difficulties in translating from one language to another, it has been possible to do so.