La inteligencia artificial mejora a las pruebas clínicas al predecir el progreso del alzhéimer

Según un trabajo de la Universidad de Cambridge (Reino Unido) publicado en ‘EClinicalMedicine’, las herramientas de inteligencia artificial ya podrían ser un recurso útil para predecir si las personas con signos tempranos de demencia permanecerán estables o desarrollarán la enfermedad de Alzheimer. En concreto, el equipo de investigadores ha conseguido la predicción en cuatro de cada cinco casos a través del desarrollo de un modelo de aprendizaje automático capaz de predecir si una persona con problemas leves de memoria y pensamiento desarrollará la enfermedad de Alzheimer y con qué rapidez.

Para construir su modelo, el equipo dirigido por científicos del Departamento de Psicología de la Universidad de Cambridge utilizó datos de pacientes recopilados de forma rutinaria, no invasiva y de bajo costo (pruebas cognitivas y exploraciones de resonancia magnética estructural que mostraban atrofia de la materia gris) de más de 400 personas que formaban parte de una cohorte de investigación en los EE. UU. Posteriormente, los investigadores probaron el modelo utilizando datos de pacientes reales de otros 600 participantes de la cohorte estadounidense y, lo que es más importante, datos longitudinales de 900 personas de clínicas de memoria del Reino Unido y Singapur.

El algoritmo fue capaz de distinguir entre personas con deterioro cognitivo leve estable y aquellas que progresaron a la enfermedad de Alzheimer en un período de tres años. Fue capaz de identificar correctamente a las personas que desarrollaron Alzheimer en el 82% de los casos e identificar correctamente a las que no lo desarrollaron en el 81% de los casos a partir de pruebas cognitivas y una resonancia magnética únicamente.

Este algoritmo fue, aproximadamente, tres veces más preciso a la hora de predecir la progresión hacia el alzhéimer que el estándar de atención actual, es decir, los marcadores clínicos estándar (como la atrofia de la materia gris o las puntuaciones cognitivas) o el diagnóstico clínico. Esto demuestra que el modelo podría reducir significativamente los diagnósticos erróneos.

El modelo también permitió a los investigadores estratificar a las personas con enfermedad de Alzheimer utilizando datos de la primera visita de cada persona a la clínica de memoria en tres grupos: aquellos cuyos síntomas se mantendrían estables (alrededor del 50% de los participantes), aquellos que progresarían lentamente hacia el Alzheimer (alrededor del 35%) y aquellos que progresarían más rápidamente (el 15% restante). Estas predicciones se validaron al observar los datos de seguimiento durante 6 años.

El equipo comenta que este nuevo enfoque podría reducir la necesidad de pruebas diagnósticas invasivas y costosas y, al mismo tiempo, mejorar los resultados del tratamiento en una etapa temprana, cuando intervenciones como cambios en el estilo de vida o nuevos medicamentos pueden tener la oportunidad de funcionar mejor, al mismo tiempo que se identifica a las personas que necesitan un seguimiento cercano ya que es probable que su condición se deteriore rápidamente.

La autora principal, la profesora Zoe Kourtzi del Departamento de Psicología de la Universidad de Cambridge, comenta: «Si vamos a hacer frente al creciente desafío sanitario que plantea la demencia, necesitaremos mejores herramientas para identificarla e intervenir en la etapa más temprana posible. Nuestra visión es ampliar nuestra herramienta de IA para ayudar a los médicos a asignar a la persona adecuada en el momento adecuado a la vía de diagnóstico y tratamiento adecuada. Nuestra herramienta puede ayudar a vincular a los pacientes adecuados con los ensayos clínicos, acelerando el descubrimiento de nuevos fármacos para tratamientos modificadores de la enfermedad».

«Hemos creado una herramienta que, a pesar de utilizar solo datos de pruebas cognitivas y resonancias magnéticas, es mucho más sensible que los enfoques actuales para predecir si alguien progresará de síntomas leves a alzhéimer y, de ser así, si este progreso será rápido o lento. Esto tiene el potencial de mejorar significativamente el bienestar de los pacientes, mostrándonos qué personas necesitan una atención más cercana, al tiempo que elimina la ansiedad de aquellos pacientes que prevemos que permanecerán estables. En un momento de intensa presión sobre los recursos sanitarios, esto también ayudará a eliminar la necesidad de pruebas diagnósticas invasivas y costosas innecesarias», indica Kourtzi.

Aunque los investigadores probaron el algoritmo con datos de una cohorte de investigación, lo validaron utilizando datos independientes que incluían a casi 900 personas que asistieron a clínicas de memoria en el Reino Unido y Singapur. Siendo así, los investigadores insisten que esto demuestra que debería ser aplicable en un entorno clínico con pacientes del mundo real. El equipo ahora espera ampliar su modelo a otras formas de demencia, como la demencia vascular y la demencia frontotemporal, y utilizar diferentes tipos de datos, como marcadores de análisis de sangre.