La detección temprana del Alzheimer, una enfermedad neurodegenerativa sin cura conocida, puede marcar la diferencia en el tratamiento. Por ello, una rama de la investigación se está dedicando a entrenar inteligencia artificial (IA) para contribuir a esta detección y tratamiento, incluso antes de que aparezcan los síntomas.
Alta precisión
En un estudio publicado en la prestigiosa revista Nature, un equipo de científicos aplicó métodos de aprendizaje automático a más de 5 millones de registros médicos. Entrenaron a la IA para detectar patrones que conectan el Alzheimer con otras afecciones y luego compararon los resultados con registros de personas que desarrollaron la enfermedad más tarde. Descubrieron que, aunque el sistema no es perfecto, podía predecir su desarrollo con un 72% de precisión, en algunos casos hasta 7 años antes de que aparezcan los síntomas.
El poder predictivo del sistema radica en su capacidad para combinar análisis de varios tipos de riesgo diferentes y calcular la probabilidad de desarrollar Alzheimer. Este enfoque podría arrojar luz sobre las causas de la enfermedad y quiénes podrían ser vulnerables a ella.
«Este es un primer paso hacia el uso de la IA en datos clínicos de rutina, no sólo para identificar el riesgo lo antes posible, sino también para comprender la biología detrás de él», dice la bioingeniera Alice Tang, de la Universidad de California.
Factores a evaluar
El modelo identificó una serie de condiciones, como presión arterial alta, colesterol alto, deficiencia de vitamina D y depresión, que podrían usarse para calcular el riesgo de Alzheimer. Además, descubrieron que la disfunción eréctil y el agrandamiento de la próstata eran factores importantes en los hombres, mientras que la osteoporosis lo era en las mujeres.
Eso no quiere decir que las personas con estos problemas de salud desarrollen la enfermedad, pero el análisis de IA pondera cada uno de ellos como predictores que vale la pena considerar. De hecho, se descubrió que la osteoporosis, el Alzheimer en las mujeres y una variante en el gen MS4A6A están relacionados, lo que brinda nuevas oportunidades para estudiar este vínculo.
«Es la combinación de enfermedades lo que permite a nuestro modelo predecir la aparición del Alzheimer», afirma Tang. «Nuestro hallazgo de que la osteoporosis es un factor predictivo para las mujeres resalta la interacción biológica entre la salud ósea y el riesgo de demencia».
Se espera que en el futuro, este tipo de enfoque de aprendizaje automático pueda identificar factores de riesgo para otras enfermedades difíciles de diagnosticar.
«Este es un gran ejemplo de cómo podemos aprovechar los datos de los pacientes con el aprendizaje automático para predecir qué pacientes tienen más probabilidades de desarrollar Alzheimer y también para comprender las razones por las que esto es así», concluye Tang.
