{"id":44112,"date":"2024-02-26T09:19:18","date_gmt":"2024-02-26T15:19:18","guid":{"rendered":"https:\/\/saluddigital.com\/?p=44112"},"modified":"2025-10-18T22:13:00","modified_gmt":"2025-10-19T04:13:00","slug":"universidad-en-ee-uu-desarrollo-un-modelo-de-ia-capaz-de-detectar-y-predecir-alzheimer","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/universidad-en-ee-uu-desarrollo-un-modelo-de-ia-capaz-de-detectar-y-predecir-alzheimer\/","title":{"rendered":"Universidad en EE.UU. desarroll\u00f3 un modelo de IA capaz de detectar y predecir Alzheimer"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Investigadores encontraron biomarcadores metab\u00f3licos \u00fatiles para crear herramientas de deep learning capaces de detectar Alzheimer de manera prematura.\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de la Universidad de Virginia Occidental (WVU, en ingl\u00e9s) identificaron un conjunto de biomarcadores metab\u00f3licos \u00fatiles para desarrollar modelos y herramientas de inteligencia artificial (IA) para la detecci\u00f3n de la enfermedad de Alzheimer en etapas tempranas.<\/p>

La detecci\u00f3n temprana de esta enfermedad es importante para el desarrollo y la aplicaci\u00f3n de f\u00e1rmacos, as\u00ed como para implementar nuevos enfoques diagn\u00f3sticos terap\u00e9uticos que mejoren la calidad de vida de los pacientes.<\/p>

Los investigadores publicaron un estudio<\/span><\/a> en el Journal of the Neurological Sciences, cuyo prop\u00f3sito fue identificar y describir un nuevo conjunto de biomarcadores de diagn\u00f3stico para el desarrollo de herramientas de aprendizaje profundo o deep learning capaces de predecir Alzheimer, utilizando datos metabol\u00f3micos de la plataforma Ultra Performance Liquid Chromatography Mass Spectrometry (UPLC-MS\/MS).<\/p>

UPLC-MS, es la plataforma anal\u00edtica m\u00e1s utilizada en el fenotipado metab\u00f3lica. Esta plataforma proporciona una gran potencia cromatogr\u00e1fica y de resoluci\u00f3n de masas, detecci\u00f3n de alta sensibilidad, modos flexibles de adquisici\u00f3n de datos que permiten la identificaci\u00f3n de metabolitos y la adquisici\u00f3n de datos reproducibles para el an\u00e1lisis de cientos o miles de muestras que sirven para estudios de fenotipado metab\u00f3lico peque\u00f1a y gran escala.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los biomarcadores se refieren a indicadores medibles de la gravedad o presencia de una enfermedad. Los biomarcadores metab\u00f3licos existen en las mol\u00e9culas de c\u00e9lulas, tejidos y fluidos corporales los cuales muestran la interacci\u00f3n entre los genes y el estilo de vida (alimentaci\u00f3n, medio ambiente,) de los pacientes. De esta manera gracias a los biomarcadores los cient\u00edficos son capaces de comprender mejor los cambios de salud que experimenta una persona y los riesgos que tiene de desarrollar una enfermedad.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los autores eligieron el m\u00e9todo de deep learning debido a su enfoque vers\u00e1til para predecir fen\u00f3menos biol\u00f3gicos complejos y su habilidad de utilizar grandes vol\u00famenes de datos y datos complejos de algoritmos para entrenar modelos. Esto favoreci\u00f3 a la construcci\u00f3n de redes neuronales de avance multicapa para predecir Alzheimer.<\/p>

\u201cLa enfermedad de Alzheimer puede comenzar a\u00f1os o incluso d\u00e9cadas antes de la aparici\u00f3n de los s\u00edntomas cl\u00ednicos, por lo que es crucial identificar biomarcadores predictivos en la fase precl\u00ednica para que la ciencia m\u00e9dica pueda desarrollar estrategias que eviten la progresi\u00f3n de la enfermedad\u201d, explic\u00f3 Wang.<\/p>

Para el estudio se seleccionaron un total de 177 individuos, incluidos 78 con Alzheimer y 99 con cognici\u00f3n normal, de la cohorte Alzheimer’s Disease Neuroimaging Initiative (ADNI) junto con 150 biomarcadores metabol\u00f3micos y seleccionaros 21 biomarcadores como los m\u00e1s relevantes para Alzheimer. La edad de los participantes rondaba entre los 75 y los 82 a\u00f1os.<\/p>

\u201cEl m\u00e9todo de deep learning mediante redes neuronales artificiales, que se inspiran en la estructura en capas de las neuronas del cerebro y sus c\u00f3mputos, ha alcanzado un rendimiento de predicci\u00f3n sin precedentes para tareas complejas\u201d, explic\u00f3 Kesheng Wang, uno de los autores y profesor de la WVU.\u00a0 <\/span>Adem\u00e1s, asegur\u00f3 que se ha demostrado que las t\u00e9cnicas de deep learning son m\u00e1s precisas para el diagn\u00f3stico de Alzheimer en comparaci\u00f3n con los modelos convencionales de machine learning o aprendizaje autom\u00e1tico.<\/p>

El estudio detalla que algunos de los metabolitos est\u00e1n correlacionados con biomarcadores cl\u00ednicos, medidas cognitivas y volumen del hipocampo asociados a pacientes de Alzheimer. Por ejemplo, el hipocampo una de las \u00e1reas del cerebro suele da\u00f1arse primero por la enfermedad de Alzheimer.<\/p>

Los autores probaron m\u00faltiples modelos de deep learning hasta encontrar el modelo con mayor precisi\u00f3n para la evaluaci\u00f3n de Alzheimer. En este sentido, Wang afirm\u00f3 que los estudios que utilizan estos m\u00e9todos para detectar Alzheimer a\u00fan est\u00e1n en sus primeras fases, por lo que es necesaria m\u00e1s investigaci\u00f3n.<\/p>

Wang y su equip\u00f3 se encuentran trabajando en un proyecto que integre datos de prote\u00ednas y metabolismo utilizando deep learning. \u201cLa base metab\u00f3lica de la enfermedad de Alzheimer sigue siendo poco conocida y las relaciones entre las anormalidades sist\u00e9micas en el metabolismo y la patog\u00e9nesis de la enfermedad de Alzheimer no est\u00e1n claras\u201d, mencion\u00f3 Wang<\/p>

El estudio seg\u00fan los autores muestra el potencial para identificar biomarcadores metab\u00f3licos que sean predictivos del diagn\u00f3stico y la progresi\u00f3n de la enfermedad.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

WVU<\/b><\/p>

https:\/\/wvutoday.wvu.edu\/stories\/2024\/02\/20\/wvu-researchers-use-ai-to-predict-detect-alzheimer-s-disease<\/a><\/span><\/p>

SCIENCE DIRECT<\/b><\/p>

https:\/\/www.sciencedirect.com\/science\/article\/abs\/pii\/S0022510X23002733#preview-section-abstract<\/a><\/span><\/p>

https:\/\/www.sciencedirect.com\/topics\/chemistry\/ultra-performance-liquid-chromatography-mass-spectrometry<\/a><\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Investigadores encontraron biomarcadores metab\u00f3licos \u00fatiles para crear herramientas de deep learning capaces de detectar Alzheimer de manera prematura. Investigadores de la Universidad de Virginia Occidental (WVU, en ingl\u00e9s) identificaron un conjunto de biomarcadores metab\u00f3licos \u00fatiles para desarrollar modelos y herramientas de inteligencia artificial (IA) para la detecci\u00f3n de la enfermedad de Alzheimer en etapas tempranas. La detecci\u00f3n temprana de esta enfermedad es importante para el desarrollo y la aplicaci\u00f3n de f\u00e1rmacos, as\u00ed como para implementar nuevos enfoques diagn\u00f3sticos terap\u00e9uticos que mejoren la calidad de vida de los pacientes. Los investigadores publicaron un estudio en el Journal of the Neurological Sciences, cuyo prop\u00f3sito fue identificar y describir un nuevo conjunto de biomarcadores de diagn\u00f3stico para el desarrollo de herramientas de aprendizaje profundo o deep learning capaces de predecir Alzheimer, utilizando datos metabol\u00f3micos de la plataforma Ultra Performance Liquid Chromatography Mass Spectrometry (UPLC-MS\/MS). UPLC-MS, es la plataforma anal\u00edtica m\u00e1s utilizada en el fenotipado metab\u00f3lica. Esta plataforma proporciona una gran potencia cromatogr\u00e1fica y de resoluci\u00f3n de masas, detecci\u00f3n de alta sensibilidad, modos flexibles de adquisici\u00f3n de datos que permiten la identificaci\u00f3n de metabolitos y la adquisici\u00f3n de datos reproducibles para el an\u00e1lisis de cientos o miles de muestras que sirven para estudios de fenotipado metab\u00f3lico peque\u00f1a y gran escala. Los biomarcadores se refieren a indicadores medibles de la gravedad o presencia de una enfermedad. Los biomarcadores metab\u00f3licos existen en las mol\u00e9culas de c\u00e9lulas, tejidos y fluidos corporales los cuales muestran la interacci\u00f3n entre los genes y el estilo de vida (alimentaci\u00f3n, medio ambiente,) de los pacientes. De esta manera gracias a los biomarcadores los cient\u00edficos son capaces de comprender mejor los cambios de salud que experimenta una persona y los riesgos que tiene de desarrollar una enfermedad. Los autores eligieron el m\u00e9todo de deep learning debido a su enfoque vers\u00e1til para predecir fen\u00f3menos biol\u00f3gicos complejos y su habilidad de utilizar grandes vol\u00famenes de datos y datos complejos de algoritmos para entrenar modelos. Esto favoreci\u00f3 a la construcci\u00f3n de redes neuronales de avance multicapa para predecir Alzheimer. \u201cLa enfermedad de Alzheimer puede comenzar a\u00f1os o incluso d\u00e9cadas antes de la aparici\u00f3n de los s\u00edntomas cl\u00ednicos, por lo que es crucial identificar biomarcadores predictivos en la fase precl\u00ednica para que la ciencia m\u00e9dica pueda desarrollar estrategias que eviten la progresi\u00f3n de la enfermedad\u201d, explic\u00f3 Wang. Para el estudio se seleccionaron un total de 177 individuos, incluidos 78 con Alzheimer y 99 con cognici\u00f3n normal, de la cohorte Alzheimer’s Disease Neuroimaging Initiative (ADNI) junto con 150 biomarcadores metabol\u00f3micos y seleccionaros 21 biomarcadores como los m\u00e1s relevantes para Alzheimer. La edad de los participantes rondaba entre los 75 y los 82 a\u00f1os. \u201cEl m\u00e9todo de deep learning mediante redes neuronales artificiales, que se inspiran en la estructura en capas de las neuronas del cerebro y sus c\u00f3mputos, ha alcanzado un rendimiento de predicci\u00f3n sin precedentes para tareas complejas\u201d, explic\u00f3 Kesheng Wang, uno de los autores y profesor de la WVU.\u00a0 Adem\u00e1s, asegur\u00f3 que se ha demostrado que las t\u00e9cnicas de deep learning son m\u00e1s precisas para el diagn\u00f3stico de Alzheimer en comparaci\u00f3n con los modelos convencionales de machine learning o aprendizaje autom\u00e1tico. El estudio detalla que algunos de los metabolitos est\u00e1n correlacionados con biomarcadores cl\u00ednicos, medidas cognitivas y volumen del hipocampo asociados a pacientes de Alzheimer. Por ejemplo, el hipocampo una de las \u00e1reas del cerebro suele da\u00f1arse primero por la enfermedad de Alzheimer. Los autores probaron m\u00faltiples modelos de deep learning hasta encontrar el modelo con mayor precisi\u00f3n para la evaluaci\u00f3n de Alzheimer. En este sentido, Wang afirm\u00f3 que los estudios que utilizan estos m\u00e9todos para detectar Alzheimer a\u00fan est\u00e1n en sus primeras fases, por lo que es necesaria m\u00e1s investigaci\u00f3n. Wang y su equip\u00f3 se encuentran trabajando en un proyecto que integre datos de prote\u00ednas y metabolismo utilizando deep learning. \u201cLa base metab\u00f3lica de la enfermedad de Alzheimer sigue siendo poco conocida y las relaciones entre las anormalidades sist\u00e9micas en el metabolismo y la patog\u00e9nesis de la enfermedad de Alzheimer no est\u00e1n claras\u201d, mencion\u00f3 Wang El estudio seg\u00fan los autores muestra el potencial para identificar biomarcadores metab\u00f3licos que sean predictivos del diagn\u00f3stico y la progresi\u00f3n de la enfermedad. BIBLIOGRAF\u00cdA WVU https:\/\/wvutoday.wvu.edu\/stories\/2024\/02\/20\/wvu-researchers-use-ai-to-predict-detect-alzheimer-s-disease SCIENCE DIRECT https:\/\/www.sciencedirect.com\/science\/article\/abs\/pii\/S0022510X23002733#preview-section-abstract https:\/\/www.sciencedirect.com\/topics\/chemistry\/ultra-performance-liquid-chromatography-mass-spectrometry<\/p>","protected":false},"author":1,"featured_media":44114,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-44112","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44112","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=44112"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44112\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/44114"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=44112"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=44112"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=44112"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}