Un modelo de aprendizaje automático ha encontrado patrones relacionadas con el deterioro de la salud en enfermedades como esclerosis lateral amiotrófica (ELA), Alzheimer y Parkinson.
La ELA, el Parkinson y el Alzheimer, son enfermedades neurodegenerativas que se presentan con diversos síntomas y a diferentes ritmos. Estas enfermedades se desarrollan debido a causas genéticas y ambientales, de las cuales aún hay desconocimiento en la comunidad médica y científica.
La ELA es una enfermedad con una incidencia de una persona en cada 50 mil a nivel mundial, por lo que es considerada una condición muy poco frecuente, con menos de 7 mil casos anualmente. Esta enfermedad afecta el movimiento de los músculos y no es curable. En la mayoría de los casos los pacientes viven algunos años después del diagnóstico, mientras que en otros casos pacientes han vivido con la enfermedad por años.
Por ello es importante conocer más sobre la progresión y las causas de este tipo de enfermedades, por medio de ensayos clínicos y análisis de posibles intervenciones. Un modelo de aprendizaje automático, desarrollado por investigadores del MIT e IBM Research, tiene como objetivo caracterizar mejor los patrones de progresión de ELA para mejorar el diseño de los ensayos clínicos.
“Hay grupos de individuos que comparten patrones de progresión. Por ejemplo, algunos parecen tener ELA de progreso realmente rápido y otros que tienen ELA de progreso lento que varía con el tiempo”, dice Divya Ramamoorthy, especialista del MIT. Ramamoorthy, también es la autora principal de un artículo publicado en Nature Computational Science titulado “Enfoque de aprendizaje automático encuentra patrones no lineales de progresión de enfermedades neurodegenerativas”.
El modelo identificó de manera consistente y precisa patrones dominantes de progresión de ELA, Alzheimer, y Parkinson. Asimismo, identificó trayectorias de progresión no lineales en ELA, un avance muy importante en el área de investigación clínica y para el diseño de ensayos. Además, por medio del enfoque de aprendizaje automático, fue posible identificar subtipos de la progresión de la enfermedad, los cuales fueron consistentes entre las poblaciones de pacientes y las métricas de la enfermedad.
El MIT destaca que este modelo se trata de una nueva herramienta para distinguir enfermedades como la ELA, Alzheimer y Parkinson desde una perspectiva de biología de sistemas.
“Tenemos una gran cantidad de datos moleculares de los mismos pacientes, por lo que nuestro objetivo a largo plazo es ver si hay subtipos de la enfermedad”, explica Ernest Fraenkel, profesor en el Departamento de Ingeniería Biológica del MIT. También añadió que posteriormente podrán realizar pruebas de nuevos enfoques y conocer si las personas con distintos matrones de progresión de su enfermedad, también son diferentes a nivel molecular. Esto tendría el potencial de generar datos que deriven en la creación de terapias o descubrir más información sobre enfermedades neurodegenerativas.
