Una herramienta de inteligencia artificial desarrollada por la Universidad de Cambridge ha demostrado una notable capacidad para predecir el desarrollo del Alzheimer en individuos con signos iniciales de demencia. Según un estudio publicado en 'EClinicalMedicine', esta tecnología puede identificar correctamente la progresión hacia el Alzheimer en cuatro de cada cinco casos, prometiendo transformar los métodos de diagnóstico y tratamiento de la enfermedad.
El equipo de investigación de Cambridge resalta que este enfoque innovador podría reducir la necesidad de pruebas diagnósticas invasivas y costosas, mejorando al mismo tiempo los resultados del tratamiento en las fases iniciales de la enfermedad. Actualmente, el diagnóstico temprano de la demencia es fundamental, ya que los tratamientos son más efectivos en esta etapa. Sin embargo, las pruebas actuales a menudo implican procedimientos invasivos como la tomografía por emisión de positrones (PET) o la punción lumbar, que no siempre están disponibles en todas las instalaciones médicas.
La enfermedad de Alzheimer es la causa más común de demencia, representando entre el 60% y el 80% de los casos. Detectar la enfermedad en sus primeras etapas es crucial para maximizar la eficacia de los tratamientos disponibles. No obstante, hasta un tercio de los pacientes reciben un diagnóstico incorrecto o tardío, lo que limita las posibilidades de una intervención efectiva.
Un Modelo de Aprendizaje Automático Pionero
Investigadores del Departamento de Psicología de la Universidad de Cambridge han creado un modelo de aprendizaje automático que supera a las herramientas de diagnóstico actuales en la predicción de si una persona con problemas leves de memoria y cognición desarrollará Alzheimer y en qué plazo. Este modelo fue construido utilizando datos no invasivos recopilados rutinariamente, como pruebas cognitivas y resonancias magnéticas estructurales, de más de 400 personas en una cohorte de investigación en Estados Unidos.
El modelo fue validado con datos adicionales de 600 participantes de la misma cohorte estadounidense, así como con datos longitudinales de 900 individuos de clínicas de memoria en el Reino Unido y Singapur. Los resultados demostraron que el algoritmo podía diferenciar entre personas con deterioro cognitivo leve que se mantendrían estables y aquellas que progresarían a Alzheimer en un plazo de tres años. La herramienta identificó correctamente los casos que desarrollaron Alzheimer en el 82% de las veces y los que no lo hicieron en el 81%.
Este algoritmo resultó ser aproximadamente tres veces más preciso que los métodos actuales de diagnóstico en predecir la progresión hacia el Alzheimer. Esta precisión mejorada podría reducir significativamente los diagnósticos erróneos y permitir intervenciones más tempranas y efectivas.
Además, el modelo permitió a los investigadores clasificar a las personas con Alzheimer en tres grupos según la rapidez de la progresión de sus síntomas: aquellos con síntomas estables, aquellos con progresión lenta y aquellos con progresión rápida. Estas predicciones fueron confirmadas con datos de seguimiento durante seis años, sugiriendo que la herramienta podría ser extremadamente útil en la práctica clínica.
Implicaciones Clínicas
Este enfoque tiene el potencial de mejorar significativamente la calidad de vida de los pacientes al identificar a aquellos que necesitan una vigilancia más estrecha y reducir la ansiedad de los que probablemente permanecerán estables. También podría evitar pruebas diagnósticas invasivas y costosas innecesarias, optimizando los recursos del sistema de salud.
Los investigadores tienen planes de ampliar el modelo para abarcar otras formas de demencia, como la demencia vascular y la demencia frontotemporal, y utilizar diferentes tipos de datos, incluidos marcadores sanguíneos. La profesora Zoe Kourtzi, autora principal del estudio, enfatiza la importancia de desarrollar mejores herramientas para la identificación e intervención tempranas en la demencia, considerando el creciente desafío de salud pública que representa esta enfermedad.