Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Científicos crean herramienta inteligente capaz de predecir progreso de demencia

Científicos de Cambridge desarrollaron una herramienta de IA capaz de predecir signos tempranos de demencia

Un equipo de científicos de la Universidad de Cambridge en Reino Unido desarrollaron una herramienta inteligente capaz de predecir en cuatro de cinco casos si personas con signos tempranos de demencia permanecerán estables o desarrollarán Alzheimer. Este enfoque permitiría reducir necesidad de exámenes y pruebas diagnósticas costosas e invasivas, además de que mejoraría las intervenciones y los resultados de tratamiento temprano.

La demencia es un problema de salud pública global ya que afecta a más de 55 millones de personas en todo el mundo y tiene un costo anual estimado de 820 mil millones de dólares en tratamientos y atención médica. La mayoría de los casos de demencia son causados por la enfermedad de Alzheimer, que representa entre el 60 y el 80% de los casos. Por ello, la detección temprana es crucial, ya que los tratamientos son más efectivos en las primeras etapas de la enfermedad. Sin embargo, los métodos actuales para el diagnóstico temprano, como las tomografías por emisión de positrones (PET, en inglés) o las punciones lumbares, son métodos invasivos y no están disponibles en todas las clínicas, lo que lleva a diagnósticos incorrectos o tardíos en muchos casos.

Para la investigación publicada en eClinical Medicine, el equipo de Cambridge utilizó datos no invasivos y de bajo costo, como pruebas cognitivas y escáneres de resonancia magnética (IRM) que muestran la atrofia de la materia gris, de más de 400 pacientes en Estados Unidos. Posteriormente, probaron el modelo con datos de 600 participantes adicionales de la misma cohorte y con datos longitudinales de 900 personas de clínicas de memoria en Reino Unido y Singapur.

De esta forma, el algoritmo basado en machine learning, demostró ser capaz de distinguir entre personas con deterioro cognitivo leve estable y aquellas que progresarían hacia el Alzheimer en un periodo de tres años. Además, fue preciso en el 82% de los casos para identificar a individuos que desarrollarían Alzheimer y en el 81% para aquellos que no lo harían, utilizando solo pruebas cognitivas y una IRM. Esto es aproximadamente tres veces más preciso que los métodos clínicos actuales.

“Esto tiene el potencial de mejorar significativamente el bienestar de los pacientes, mostrándonos qué personas necesitan una atención más cercana, al tiempo que elimina la ansiedad de aquellos pacientes que predecimos que permanecerán estables. En un momento de intensa presión sobre los recursos sanitarios, esto también ayudará a eliminar la necesidad de pruebas diagnósticas invasivas y costosas innecesarias”, expresó la autora del estudio Zoe Kourtzi, psicóloga en Cambridge.

Por otro lado, el modelo también permitió clasificar a las personas con Alzheimer en tres grupos según la progresión de sus síntomas: aquellos cuyos síntomas permanecerían estables, aquellos que progresarían lentamente y aquellos que lo harían rápidamente. Estas predicciones fueron validadas con datos de seguimiento a lo largo de seis años. Estos hallazgos podrían ayudar a identificar a quiénes se beneficiarían de tratamientos tempranos y aquellos que necesitarían un monitoreo más cercano debido a un rápido deterioro.

La implementación de este modelo de IA podría transformar la manera en que se diagnostica y trata el Alzheimer, proporcionando una herramienta más precisa y menos invasiva. “Los modelos de IA son tan buenos como los datos con los que se entrenan. Para asegurarnos de que el nuestro tiene potencial para ser adoptado en un entorno sanitario, lo entrenamos y probamos con datos recogidos de forma rutinaria no sólo de cohortes de investigación, sino de pacientes en clínicas de memoria reales. Esto demuestra que se puede generalizar a un entorno real”, detalló Kourtzi.

Ahora, el equipo de científicos busca ampliar su modelo a otras formas de demencia, como la vascular y la frontotemporal, y utilizar distintos tipos de datos, como los marcadores de los análisis de sangre. Además, reconocen que para hacer frente al desafío de salud que representa la demencia, serán necesarias mejores herramientas para su identificación e intervención temprana.

“Nuestro objetivo es ampliar nuestra herramienta de IA para ayudar a los médicos a asignar a la persona adecuada, en el momento oportuno, la vía de diagnóstico y tratamiento correcta. Nuestra herramienta puede ayudar a emparejar a los pacientes adecuados con los ensayos clínicos, acelerando el descubrimiento de nuevos fármacos para tratamientos modificadores de la enfermedad”, finalizó Kourtzi.

Outstanding news

News by country

Related Content

Secured By miniOrange