Científicos de la UCSF utilizan IA para predecir el Alzheimer antes de que aparezcan los síntomas.
Investigadores de la Universidad de California en San Francisco (UCSF) han descubierto una manera de predecir la enfermedad de Alzheimer hasta siete años antes de que se presenten los síntomas, utilizando la inteligencia artificial (IA) para analizar registros médicos de los pacientes. Este avance sentar un avance significativo en la forma en que se diagnostica y trata esta enfermedad. El estudio fue publicado en Nature Aging.
Los científicos utilizaron machine learning o aprendizaje automático, una rama de la IA, para identificar patrones en los datos clínicos que pudieran predecir el Alzheimer. Entre los factores que más influyen en esta predicción se encuentran el colesterol alto y la osteoporosis, siendo esta última relevante solo para las mujeres. “Esta es una primera etapa hacia el uso de la IA en datos clínicos rutinarios, no solo para identificar el riesgo lo antes posible, sino también para comprender la biología detrás de ello”, explicó Alice Tang, autora principal del estudio y estudiante de MD/PhD en el laboratorio Sirota de UCSF.
El equipo de investigadores analizó la base de datos clínica de UCSF, que contiene información de más de 5 millones de pacientes. Compararon las condiciones de salud de pacientes diagnosticados con Alzheimer con aquellos sin la enfermedad y lograron predecir con un 72% de precisión quién desarrollaría la enfermedad hasta siete años antes de que aparecieran los síntomas.
Varios factores, como la hipertensión, el colesterol alto y la deficiencia de vitamina D, resultaron ser predictivos tanto en hombres como en mujeres. Además, en los hombres, la disfunción eréctil y la hiperplasia prostática benigna también fueron indicadores importantes. Para las mujeres, la osteoporosis destacó como un predictor significativo. Sin embargo, esto no implica que todas las mujeres con osteoporosis desarrollarán Alzheimer. “Es la combinación de enfermedades lo que permite a nuestro modelo predecir la aparición del Alzheimer,” señaló Tang.
Los investigadores utilizaron SPOKE (Scalable Precision Medicine Oriented Knowledge Engine), una herramienta desarrollada en UCSF que combina múltiples bases de datos moleculares para identificar patrones y posibles objetivos terapéuticos. SPOKE identificó una relación bien conocida entre el Alzheimer y el colesterol alto a través de una variante del gen apolipoproteína E (APOE4). También descubrieron una conexión entre la osteoporosis y el Alzheimer en mujeres, a través de una variante en el gen MS4A6A
El objetivo final de los investigadores es aplicar este enfoque a otras enfermedades difíciles de diagnosticar, como el lupus y la endometriosis. “Este es un gran ejemplo de cómo podemos aprovechar los datos de los pacientes con machine learning para predecir qué pacientes son más propensos a desarrollar Alzheimer y también para entender las razones detrás de esto”, comentó Marina Sirota, profesora asociada en el Bakar Computational Health Sciences Institute de UCSF.
El uso de la IA y sus herramientas derivadas como machine learning en este caso, para analizar datos clínicos rutinarios promete adelantar el diagnóstico y tratamiento de enfermedades complejas como el Alzheimer. La capacidad de predecir esta enfermedad años antes de la aparición de los síntomas ofrece un potencial cambio de paradigma sobre cómo se trata esta enfermedad y abre las puertas a intervenciones tempranas y potencialmente más efectivas.
