{"id":69795,"date":"2026-05-29T10:55:13","date_gmt":"2026-05-29T16:55:13","guid":{"rendered":"https:\/\/saluddigital.com\/?p=69795"},"modified":"2026-05-29T11:06:16","modified_gmt":"2026-05-29T17:06:16","slug":"modelo-de-ia-predice-el-deterioro-cognitivo-por-alzheimer-a-partir-de-una-sola-resonancia-magnetica","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-ia-predice-el-deterioro-cognitivo-por-alzheimer-a-partir-de-una-sola-resonancia-magnetica\/","title":{"rendered":"Modelo de IA predice el deterioro cognitivo por Alzheimer a partir de una sola resonancia magn\u00e9tica"},"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 de la UCSF desarrollaron un sistema de aprendizaje profundo que estima el estado cognitivo actual y futuro de personas con Alzheimer sin requerir evaluaciones neuropsicol\u00f3gicas, biomarcadores en l\u00edquido cefalorraqu\u00eddeo ni tomograf\u00edas costosas.<\/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

Un equipo de investigadores de la Universidad de California en San Francisco (UCSF) public\u00f3 en Nature Aging<\/em><\/a> un estudio que detalla el desarrollo de un modelo de inteligencia artificial (IA) capaz de predecir simult\u00e1neamente el diagn\u00f3stico, la puntuaci\u00f3n cognitiva actual y la trayectoria de deterioro cognitivo a lo largo del tiempo en personas con enfermedad de Alzheimer, utilizando \u00fanicamente una resonancia magn\u00e9tica estructural de referencia y datos demogr\u00e1ficos b\u00e1sicos como edad, sexo, escolaridad y estado civil.<\/p>

La enfermedad de Alzheimer afecta a m\u00e1s de 50 millones de personas en el mundo y representa entre 60 y 70% de los casos de demencia a nivel global. Su seguimiento cl\u00ednico depende en gran medida de evaluaciones neuropsicol\u00f3gicas que son tardadas, costosas y demandantes para les pacientes. La escala ADAS-Cog, considerada el est\u00e1ndar de referencia para medir la eficacia de tratamientos contra la demencia, requiere la aplicaci\u00f3n de una bater\u00eda de pruebas por parte de profesionales especializados. El modelo desarrollado por el equipo de UCSF, denominado marco multitarea de aprendizaje profundo o deep learning<\/em>, busca replicar el valor cl\u00ednico de esa informaci\u00f3n a partir de im\u00e1genes de resonancia magn\u00e9tica de uso rutinario.<\/p>

El sistema integra dos m\u00f3dulos complementarios, el primero uno basado en im\u00e1genes, que analiza directamente los vol\u00famenes cerebrales tridimensionales para segmentar tejido gris, blanco y l\u00edquido cefalorraqu\u00eddeo, y el otro de tipo tabular, que procesa los datos demogr\u00e1ficos mediante un algoritmo de ensamble. Entrenado con datos de mil 950 participantes del Alzheimer’s Disease Neuroimaging Initiative (ADNI) y validado con conjuntos de datos independientes, el modelo logr\u00f3 una precisi\u00f3n diagn\u00f3stica superior al 92%, una puntuaci\u00f3n R\u00b2 de 0.82 en la predicci\u00f3n del estado cognitivo en el momento basal y predicciones longitudinales significativas hasta 36 meses despu\u00e9s de la exploraci\u00f3n inicial.<\/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

Por su parte, Ashish Raj, profesor del Departamento de Radiolog\u00eda e Imagen Biom\u00e9dica de UCSF y autor principal del estudio, se\u00f1al\u00f3 que el modelo prescinde de elementos que habitualmente limitan su aplicaci\u00f3n cl\u00ednica: \u201cA diferencia de enfoques anteriores, nuestro modelo no requiere evaluaci\u00f3n cognitiva basal, pipelines de imagen especializados, tomograf\u00edas costosas, an\u00e1lisis gen\u00e9tico ni prote\u00f3mica de fluidos, lo que lo convierte en una herramienta r\u00e1pida, precisa y de f\u00e1cil implementaci\u00f3n en la mayor\u00eda de los entornos cl\u00ednicos. Nuestra t\u00e9cnica ofrece a otros usuarios, especialmente a las personas cl\u00ednicas, la oportunidad de beneficiarse de representaciones espaciales cerebrales impl\u00edcitas aprendidas por nuestros modelos propuestos, sin requerir experiencia en estos pipelines computacionales\u201d.<\/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

En cambio, Daren Ma, especialista en aprendizaje autom\u00e1tico del laboratorio de Raj en UCSF y primer autor del art\u00edculo, destac\u00f3 la relevancia pr\u00e1ctica del avance: \u201cReportamos ganancias significativas en velocidad y desempe\u00f1o respecto a otros pipelines, lo que podr\u00eda ser valioso para desarrollar una predicci\u00f3n cl\u00ednica r\u00e1pida del deterioro cognitivo antes de referir al paciente a un laboratorio de imagen m\u00e1s avanzado o a un reporte completo de neurorradiolog\u00eda. Esto evita la necesidad de emplear software de morfometr\u00eda de resonancia magn\u00e9tica altamente especializado, que consume tiempo y recursos computacionales considerables, y tiene amplias implicaciones para el diagn\u00f3stico temprano, el pron\u00f3stico y el dise\u00f1o de ensayos cl\u00ednicos\u201d.<\/p>

Entre los hallazgos del estudio destaca que los patrones de actividad neuronal que el modelo identific\u00f3 como m\u00e1s relevantes para la predicci\u00f3n cognitiva coinciden con regiones anat\u00f3micas ya reconocidas en la literatura sobre Alzheimer como la corteza temporal lateral y medial, la corteza parietal posterior, el giro del c\u00edngulo, el hipocampo y la am\u00edgdala. A diferencia de lo que podr\u00eda esperarse, estos puntos de relevancia no siguen los l\u00edmites de las circunvoluciones cerebrales de forma uniforme, sino que presentan un patr\u00f3n multifocal disperso, lo que sugiere que el modelo captura relaciones espaciales complejas entre morfolog\u00eda cerebral y cognici\u00f3n.<\/p>

El equipo tambi\u00e9n evalu\u00f3 el potencial del modelo en el dise\u00f1o de ensayos cl\u00ednicos. En este sentido, Raj apunt\u00f3 que la capacidad de identificar desde la imagen basal a quienes presentar\u00e1n deterioro r\u00e1pido tiene implicaciones directas sobre la viabilidad econ\u00f3mica de los estudios. \u201cNuestra capacidad para predecir correctamente los progresores frente a los no progresores utilizando solo los datos de referencia puede reducir dr\u00e1sticamente el tama\u00f1o de las muestras y los costos. Nuestro modelo tambi\u00e9n puede tener potencial como herramienta para la selecci\u00f3n de pacientes y el seguimiento de la progresi\u00f3n en grandes ensayos cl\u00ednicos de f\u00e1rmacos modificadores de la enfermedad\u201d.<\/p>

El estudio reconoce limitaciones derivadas del tama\u00f1o y la composici\u00f3n de los conjuntos de datos utilizados para el entrenamiento, as\u00ed como la variabilidad en los par\u00e1metros de adquisici\u00f3n entre distintos equipos de resonancia magn\u00e9tica, factores que pueden afectar la generalizaci\u00f3n del modelo a poblaciones y contextos cl\u00ednicos diferentes de los estudiados. Los autores indican que investigaciones futuras que incorporen datos longitudinales de imagen, biomarcadores en sangre y l\u00edquido cefalorraqu\u00eddeo, y registros gen\u00e9ticos podr\u00edan mejorar a\u00fan m\u00e1s la capacidad predictiva del sistema.<\/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

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s43587-026-01121-2<\/a><\/p>

UCSF<\/strong><\/p>

https:\/\/www.ucsf.edu\/news\/2026\/05\/431961\/improving-prediction-alzheimers-disease-ai<\/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":"

Modelo de IA predice el deterioro cognitivo por Alzheimer a partir de una sola resonancia magn\u00e9tica seg\u00fan nuevo estudio de UCSF.<\/p>","protected":false},"author":1,"featured_media":69797,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-69795","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\/69795","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=69795"}],"version-history":[{"count":5,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/69795\/revisions"}],"predecessor-version":[{"id":69801,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/69795\/revisions\/69801"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/69797"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=69795"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=69795"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=69795"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}