Los modelos de aprendizaje automático pueden informar de manera confiable a los médicos sobre la progresión de la discapacidad de la esclerosis múltiple, según un estudio de Edward De Brouwer de KU Leuven, Bélgica, y colegas.

La esclerosis múltiple (EM) es una enfermedad autoinmune crónica y progresiva que conduce a una discapacidad grave con el tiempo a través de un patrón complejo de progresión, recuperación y recaída.

Su prevalencia global ha aumentado en más del 30% durante la última década.

Sin embargo, hay pocas herramientas que puedan predecir la progresión de la EM para ayudar a los médicos y pacientes a planificar la vida y tomar decisiones sobre el tratamiento.

En el nuevo estudio, De Brouwer y colegas utilizaron datos de 15.240 adultos con al menos tres años de antecedentes de EM que estaban siendo tratados en 146 centros de EM en 40 países.

Los datos de dos años de progresión de la enfermedad de cada paciente se utilizaron para entrenar modelos de aprendizaje automático de última generación para predecir la probabilidad de progresión de la enfermedad durante los meses y años posteriores.

Los modelos se entrenaron y validaron utilizando estrictas pautas clínicas, lo que promueve la aplicabilidad de los modelos en la práctica clínica.

Si bien el rendimiento de los modelos individuales varió en diferentes subgrupos de pacientes, los modelos tenían un área promedio bajo la curva ROC (ROC-AUC) de 0,71 ± 0,01.

El estudio descubrió que el historial de progresión de la discapacidad era más predictivo de la progresión futura de la discapacidad que el historial de tratamiento o recaída.

Los autores concluyen que los modelos desarrollados en el estudio tienen el potencial de mejorar en gran medida la planificación para personas con EM y podrían evaluarse en un estudio de impacto clínico.

De Brouwer agrega:

“Usando el historial clínico de más de 15 000 personas con esclerosis múltiple, entrenamos un modelo de aprendizaje automático capaz de predecir de manera confiable la probabilidad de progresión de la discapacidad en los próximos dos años.

El modelo solo usa variables clínicas recopiladas de manera rutinaria, lo que lo hace ampliamente aplicable.

“Nuestra rigurosa evaluación comparativa y validación externa respaldan el gran potencial de los modelos de aprendizaje automático para ayudar a los pacientes a planificar sus vidas y a los médicos a optimizar las estrategias de tratamiento“.

Fuente:

Artículos relacionados:

Sistema de rastreo ocular con inteligencia artificial para diagnosticar la esclerosis múltiple Nueva terapia para la esclerosis múltiple podría detener o revertir los síntomas Tratamiento para la esclerosis múltiple da muy buenos resultados en pacientes en fase avanzada Investigadores de IBM usan inteligencia artificial para predecir el riesgo de desarrollar psicosis Nueva terapia celular para restaurar el sistema inmunitario en la esclerosis múltiple Hallan un biomarcador temprano de esclerosis múltiple