Este estudio sugiere que herramientas como machine learning son útiles para mejorar la detección temprana de la enfermedad de Parkinson.
Un estudio reciente publicado en la revista npj Digital Medicine journal ha investigado el uso de modelos de machine learning or machine learning para predecir el deterioro cognitivo en pacientes con enfermedad de Parkinson. La investigación, desarrollada por un equipo internacional liderado por Rebecca Ting Jiin Loo y Enrico Glaab, analizó datos clínicos de tres cohortes independientes LuxPARK, PPMI e ICEBERG, con el objetivo de mejorar la detección temprana y la evaluación de riesgos.
Los resultados demostraron que los modelos multi-cohorte, entrenados con datos combinados de diferentes poblaciones, lograron un rendimiento más estable y generalizable que los modelos basados en una sola cohorte. Según los autores, esto sugiere que la integración de diversos conjuntos de datos puede reducir sesgos y mejorar la aplicabilidad clínica. Entre los predictores más consistentes se encontró que la edad al diagnóstico juega un papel crucial, ya que los pacientes diagnosticados después de los 53 años presentaron un riesgo significativamente mayor de desarrollar deterioro cognitivo leve.
Otro factor relevante fue la habilidad visuoespacial, evaluada mediante pruebas específicas como el Benton Judgment of Line Orientation. Los pacientes con mejores resultados en estas pruebas mostraron un menor riesgo de deterioro cognitivo. Además, se identificó que síntomas no motores, como trastornos autonómicos y alteraciones del sueño, están fuertemente asociados con el declive cognitivo subjetivo, lo que resalta la naturaleza multifactorial de este problema en la enfermedad de Parkinson.
Asimismo, el estudio reveló diferencias notables entre hombres y mujeres. Los hombres mostraron una mayor tendencia a reportar declive cognitivo subjetivo, mientras que las mujeres obtuvieron mejores resultados en evaluaciones cognitivas objetivas. Estos hallazgos subrayan la importancia de considerar factores específicos por sexo en la evaluación y manejo de los pacientes.
Esta investigación representa un avance significativo en la aplicación del machine learning para predecir el deterioro cognitivo en la enfermedad de Parkinson. Aunque los modelos aún requieren validación adicional antes de su implementación clínica, los resultados abren nuevas posibilidades para el desarrollo de herramientas de medicina personalizada. La combinación de datos multi-cohorte y el enfoque en predictores clínicamente relevantes refuerzan el potencial de estas tecnologías para mejorar la calidad de vida de los pacientes.
