{"id":47219,"date":"2024-07-10T10:10:11","date_gmt":"2024-07-10T16:10:11","guid":{"rendered":"https:\/\/saluddigital.com\/?p=47219"},"modified":"2025-10-18T15:30:19","modified_gmt":"2025-10-18T21:30:19","slug":"la-ia-es-capaz-de-detectar-riesgo-temprano-de-alzheimer","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/la-ia-es-capaz-de-detectar-riesgo-temprano-de-alzheimer\/","title":{"rendered":"La IA es capaz de detectar riesgo temprano de 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

Cient\u00edficos de la UCSF utilizan IA para predecir el Alzheimer antes de que aparezcan los s\u00edntomas.<\/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 California en San Francisco (UCSF) han descubierto una manera de predecir la enfermedad de Alzheimer hasta siete a\u00f1os antes de que se presenten los s\u00edntomas, utilizando la inteligencia artificial (IA) para analizar registros m\u00e9dicos 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<\/em><\/a>.<\/p>

Los cient\u00edficos utilizaron machine learning<\/em> o aprendizaje autom\u00e1tico, una rama de la IA, para identificar patrones en los datos cl\u00ednicos que pudieran predecir el Alzheimer. Entre los factores que m\u00e1s influyen en esta predicci\u00f3n se encuentran el colesterol alto y la osteoporosis, siendo esta \u00faltima relevante solo para las mujeres. \u201cEsta es una primera etapa hacia el uso de la IA en datos cl\u00ednicos rutinarios, no solo para identificar el riesgo lo antes posible, sino tambi\u00e9n para comprender la biolog\u00eda detr\u00e1s de ello\u201d, explic\u00f3 Alice Tang, autora principal del estudio y estudiante de MD\/PhD en el laboratorio Sirota de UCSF.<\/p>

El equipo de investigadores analiz\u00f3 la base de datos cl\u00ednica de UCSF, que contiene informaci\u00f3n de m\u00e1s 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 precisi\u00f3n qui\u00e9n desarrollar\u00eda la enfermedad hasta siete a\u00f1os antes de que aparecieran los s\u00edntomas.<\/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

Varios factores, como la hipertensi\u00f3n, el colesterol alto y la deficiencia de vitamina D, resultaron ser predictivos tanto en hombres como en mujeres. Adem\u00e1s, en los hombres, la disfunci\u00f3n er\u00e9ctil y la hiperplasia prost\u00e1tica benigna tambi\u00e9n fueron indicadores importantes. Para las mujeres, la osteoporosis destac\u00f3 como un predictor significativo. Sin embargo, esto no implica que todas las mujeres con osteoporosis desarrollar\u00e1n Alzheimer. \u201cEs la combinaci\u00f3n de enfermedades lo que permite a nuestro modelo predecir la aparici\u00f3n del Alzheimer,\u201d se\u00f1al\u00f3 Tang.<\/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 investigadores utilizaron SPOKE (Scalable Precision Medicine Oriented Knowledge Engine), una herramienta desarrollada en UCSF que combina m\u00faltiples bases de datos moleculares para identificar patrones y posibles objetivos terap\u00e9uticos. SPOKE identific\u00f3 una relaci\u00f3n bien conocida entre el Alzheimer y el colesterol alto a trav\u00e9s de una variante del gen apolipoprote\u00edna E (APOE4). Tambi\u00e9n descubrieron una conexi\u00f3n entre la osteoporosis y el Alzheimer en mujeres, a trav\u00e9s de una variante en el gen MS4A6A<\/p>

El objetivo final de los investigadores es aplicar este enfoque a otras enfermedades dif\u00edciles de diagnosticar, como el lupus y la endometriosis. \u201cEste es un gran ejemplo de c\u00f3mo podemos aprovechar los datos de los pacientes con machine learning para predecir qu\u00e9 pacientes son m\u00e1s propensos a desarrollar Alzheimer y tambi\u00e9n para entender las razones detr\u00e1s de esto\u201d, coment\u00f3 Marina Sirota, profesora asociada en el Bakar Computational Health Sciences Institute de UCSF.<\/p>

El uso de la IA y sus herramientas derivadas como machine learning en este caso, para analizar datos cl\u00ednicos rutinarios promete adelantar el diagn\u00f3stico y tratamiento de enfermedades complejas como el Alzheimer. La capacidad de predecir esta enfermedad a\u00f1os antes de la aparici\u00f3n de los s\u00edntomas ofrece un potencial cambio de paradigma sobre c\u00f3mo se trata esta enfermedad y abre las puertas a intervenciones tempranas y potencialmente m\u00e1s efectivas.<\/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

UCSF<\/strong><\/p>

https:\/\/www.ucsf.edu\/news\/2024\/02\/427131\/how-ai-can-help-spot-early-risk-factors-alzheimers-disease<\/a><\/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":"

Cient\u00edficos de la UCSF utilizan IA para predecir el Alzheimer antes de que aparezcan los s\u00edntomas. Investigadores de la Universidad de California en San Francisco (UCSF) han descubierto una manera de predecir la enfermedad de Alzheimer hasta siete a\u00f1os antes de que se presenten los s\u00edntomas, utilizando la inteligencia artificial (IA) para analizar registros m\u00e9dicos 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 cient\u00edficos utilizaron machine learning o aprendizaje autom\u00e1tico, una rama de la IA, para identificar patrones en los datos cl\u00ednicos que pudieran predecir el Alzheimer. Entre los factores que m\u00e1s influyen en esta predicci\u00f3n se encuentran el colesterol alto y la osteoporosis, siendo esta \u00faltima relevante solo para las mujeres. \u201cEsta es una primera etapa hacia el uso de la IA en datos cl\u00ednicos rutinarios, no solo para identificar el riesgo lo antes posible, sino tambi\u00e9n para comprender la biolog\u00eda detr\u00e1s de ello\u201d, explic\u00f3 Alice Tang, autora principal del estudio y estudiante de MD\/PhD en el laboratorio Sirota de UCSF. El equipo de investigadores analiz\u00f3 la base de datos cl\u00ednica de UCSF, que contiene informaci\u00f3n de m\u00e1s 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 precisi\u00f3n qui\u00e9n desarrollar\u00eda la enfermedad hasta siete a\u00f1os antes de que aparecieran los s\u00edntomas. Varios factores, como la hipertensi\u00f3n, el colesterol alto y la deficiencia de vitamina D, resultaron ser predictivos tanto en hombres como en mujeres. Adem\u00e1s, en los hombres, la disfunci\u00f3n er\u00e9ctil y la hiperplasia prost\u00e1tica benigna tambi\u00e9n fueron indicadores importantes. Para las mujeres, la osteoporosis destac\u00f3 como un predictor significativo. Sin embargo, esto no implica que todas las mujeres con osteoporosis desarrollar\u00e1n Alzheimer. \u201cEs la combinaci\u00f3n de enfermedades lo que permite a nuestro modelo predecir la aparici\u00f3n del Alzheimer,\u201d se\u00f1al\u00f3 Tang. Los investigadores utilizaron SPOKE (Scalable Precision Medicine Oriented Knowledge Engine), una herramienta desarrollada en UCSF que combina m\u00faltiples bases de datos moleculares para identificar patrones y posibles objetivos terap\u00e9uticos. SPOKE identific\u00f3 una relaci\u00f3n bien conocida entre el Alzheimer y el colesterol alto a trav\u00e9s de una variante del gen apolipoprote\u00edna E (APOE4). Tambi\u00e9n descubrieron una conexi\u00f3n entre la osteoporosis y el Alzheimer en mujeres, a trav\u00e9s de una variante en el gen MS4A6A El objetivo final de los investigadores es aplicar este enfoque a otras enfermedades dif\u00edciles de diagnosticar, como el lupus y la endometriosis. \u201cEste es un gran ejemplo de c\u00f3mo podemos aprovechar los datos de los pacientes con machine learning para predecir qu\u00e9 pacientes son m\u00e1s propensos a desarrollar Alzheimer y tambi\u00e9n para entender las razones detr\u00e1s de esto\u201d, coment\u00f3 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 cl\u00ednicos rutinarios promete adelantar el diagn\u00f3stico y tratamiento de enfermedades complejas como el Alzheimer. La capacidad de predecir esta enfermedad a\u00f1os antes de la aparici\u00f3n de los s\u00edntomas ofrece un potencial cambio de paradigma sobre c\u00f3mo se trata esta enfermedad y abre las puertas a intervenciones tempranas y potencialmente m\u00e1s efectivas. BIBLIOGRAF\u00cdA UCSF https:\/\/www.ucsf.edu\/news\/2024\/02\/427131\/how-ai-can-help-spot-early-risk-factors-alzheimers-disease<\/p>","protected":false},"author":1,"featured_media":47221,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-47219","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\/47219","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=47219"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/47219\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/47221"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=47219"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=47219"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=47219"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}