Inteligencia artificial supera a pruebas clínicas en la predicción del progreso del Alzheimer

Científicos de Cambridge han desarrollado una herramienta con inteligencia artificial capaz de predecir en cuatro de cada cinco casos si las personas con signos tempranos de demencia permanecerán estables o desarrollarán la enfermedad de Alzheimer.

El equipo dice que este nuevo enfoque podría reducir la necesidad de pruebas de diagnóstico 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 posibilidad de funcionar mejor.

La demencia plantea un importante desafío para la atención sanitaria mundial, que afecta a más de 55 millones de personas en todo el mundo con un costo anual estimado de 820 mil millones de dólares.

Se espera que el número de casos casi se triplique en los próximos 50 años.

La principal causa de demencia es la enfermedad de Alzheimer, que representa entre el 60% y el 80% de los casos.

La detección temprana es crucial, ya que es cuando es probable que los tratamientos sean más efectivos; sin embargo, el diagnóstico y pronóstico tempranos de la demencia pueden no ser precisos sin el uso de pruebas invasivas o costosas, como la tomografía por emisión de positrones (PET) o la punción lumbar, que no están disponibles en todas las clínicas de memoria.

Como resultado, hasta un tercio de los pacientes pueden ser diagnosticados erróneamente y otros diagnosticados demasiado tarde para que el tratamiento sea eficaz.

Un equipo dirigido por científicos del Departamento de Psicología de la Universidad de Cambridge ha desarrollado un modelo de aprendizaje automático capaz de predecir si un individuo con problemas leves de memoria y pensamiento progresará hasta desarrollar la enfermedad de Alzheimer y con qué rapidez.

En una investigación demuestran que es más precisa que las herramientas de diagnóstico clínico actuales.

Para construir su modelo, los investigadores utilizaron datos de pacientes recopilados de forma rutinaria, no invasivos y de bajo costo (pruebas cognitivas y resonancias magnéticas estructurales que muestran atrofia de la materia gris) de más de 400 personas que formaban parte de una cohorte de investigación en los EE. UU.

Luego probaron el modelo utilizando datos de pacientes del mundo real de otros 600 participantes de la cohorte estadounidense y, lo que es más importante, datos longitudinales de 900 personas de clínicas de memoria en el Reino Unido y Singapur.

El algoritmo pudo 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 los que no lo hicieron en el 81% de los casos a partir de pruebas cognitivas y una resonancia magnética únicamente.

El algoritmo fue aproximadamente tres veces más preciso a la hora de predecir la progresión hacia el Alzheimer que el estándar de atención actual.

Es decir, marcadores clínicos estándar (como atrofia de la materia gris o puntuaciones cognitivas) o diagnóstico clínico. Esto muestra 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 la memoria en tres grupos: aquellos cuyos síntomas permanecerían estables (alrededor del 50% de los participantes), aquellos que progresarían lentamente a la enfermedad de Alzheimer (alrededor de 35%) y los que progresarían más rápidamente (el 15% restante).

Estas predicciones se validaron al observar los datos de seguimiento durante seis años.

Esto es importante ya que podría ayudar a identificar a aquellas personas en una etapa lo suficientemente temprana como para que puedan beneficiarse de nuevos tratamientos, al mismo tiempo que identifica a aquellas personas que necesitan una estrecha vigilancia ya que es probable que su condición se deteriore rápidamente.

Es importante destacar que sería mejor dirigir a ese 50% de las personas que tienen síntomas como pérdida de memoria pero que permanecen estables a una vía clínica diferente, ya que sus síntomas pueden deberse a otras causas en lugar de demencia, como ansiedad o depresión.

La autora principal, la profesora Zoe Kourtzi del Departamento de Psicología de la Universidad de Cambridge, dijo:

“Hemos creado una herramienta que, a pesar de utilizar sólo datos de pruebas cognitivas y exploraciones por resonancia magnética, es mucho más sensible que los enfoques actuales para predecir si alguien progresará“, desde síntomas leves hasta Alzheimer y, de ser así, si este progreso será rápido o lento.

“Esto tiene el potencial de mejorar significativamente el bienestar del paciente, 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 de atención médica, esto también ayudará a eliminar la necesidad de pruebas de diagnóstico innecesarias, invasivas y costosas“.

Si bien los investigadores probaron el algoritmo con datos de una cohorte de investigación, se validó utilizando datos independientes que incluyeron a casi 900 personas que asistieron a clínicas de memoria en el Reino Unido y Singapur.

En el Reino Unido, los pacientes fueron reclutados a través del estudio de resonancia magnética cuantitativa en las clínicas de memoria del NHS (QMIN-MC), dirigido por el coautor del estudio, el Dr. Timothy Rittman, en Cambridge University Hospitals NHS Trust y Cambridgeshire and Peterborough NHS Foundation Trusts (CPFT).

Los investigadores dicen que esto muestra que debería ser aplicable en un entorno clínico de pacientes del mundo real.

El Dr. Ben Underwood, psiquiatra consultor honorario del CPFT y profesor asistente del Departamento de Psiquiatría de la Universidad de Cambridge, dijo:

“Los problemas de memoria son comunes a medida que envejecemos. En la clínica veo cómo la incertidumbre sobre si estos podrían ser los primeros signos de demencia puede causar mucha preocupación a las personas y sus familias, además de ser frustrante para los médicos, que preferirían dar respuestas definitivas.

“El hecho de que podamos reducir esta incertidumbre con la información que ya tenemos es apasionante y es probable que se vuelva aún más importante a medida que surjan nuevos tratamientos”.

El profesor Kourtzi dijo:

“Los modelos de IA son tan buenos como los datos con los que se entrenan.

Para asegurarnos de que el nuestro tenga el potencial de ser adoptado en un entorno de atención médica, lo entrenamos y probamos con datos recopilados de forma rutinaria, no solo de cohortes de investigación, sino de pacientes en clínicas de memoria reales.

Esto muestra que será generalizable a un entorno 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.

El profesor Kourtzi añadió:

“Si vamos a abordar el creciente desafío para la salud que presenta la demencia, necesitaremos mejores herramientas para identificar e intervenir en la etapa más temprana posible.

“Nuestra visión es ampliar nuestra herramienta de inteligencia artificial para ayudar a los médicos a asignar a la persona adecuada en el momento adecuado la vía de diagnóstico y tratamiento adecuada.

Nuestra herramienta puede ayudar a conectar a los pacientes adecuados con los ensayos clínicos, acelerando el descubrimiento de nuevos fármacos para tratamientos que modifican la enfermedad.”

Fuente: MedicalXpress