La IA supera a las pruebas clínicas en la predicción del progreso del Alzheimer a partir de imágenes de resonancia magnética

La demencia es un importante desafío de salud mundial, que afecta a más de 55 millones de personas en todo el mundo y cuesta aproximadamente 820 mil millones de dólares al año. Las proyecciones indican que el número de casos casi se triplicará en los próximos 50 años. La enfermedad de Alzheimer es la causa predominante de demencia, responsable del 60-80 % de los casos. La detección temprana es fundamental, ya que en esta etapa es cuando los tratamientos tienen más probabilidades de ser efectivos. Sin embargo, el diagnóstico y el pronóstico tempranos precisos a menudo dependen de pruebas invasivas o costosas, como la tomografía por emisión de positrones (PET) o las punciones lumbares, a las que muchas clínicas de memoria no tienen acceso. En consecuencia, hasta un tercio de los pacientes pueden recibir un diagnóstico erróneo y otros pueden ser diagnosticados demasiado tarde para un tratamiento eficaz. Ahora, los científicos han desarrollado una herramienta basada en inteligencia artificial que predice con éxito si los individuos que muestran signos tempranos de demencia se estabilizarán o progresarán a la enfermedad de Alzheimer en el 80 % de los casos. Esta innovación podría reducir la necesidad de pruebas de diagnóstico invasivas y costosas y mejorar los resultados del tratamiento en una etapa temprana, cuando los cambios en el estilo de vida o los nuevos medicamentos podrían ser más efectivos.

El modelo de aprendizaje automático desarrollado por científicos del Departamento de Psicología de la Universidad de Cambridge (Cambridge, Reino Unido) puede predecir si una persona con problemas leves de memoria y pensamiento desarrollará la enfermedad de Alzheimer, y a qué ritmo. Publicada en eClinical Medicine, esta investigación ha demostrado que el modelo supera la precisión de las herramientas de diagnóstico clínico existentes. Para desarrollar su modelo, los investigadores utilizaron datos de pacientes recopilados de forma rutinaria, no invasivos y rentables (específicamente pruebas cognitivas y resonancias magnéticas estructurales que muestran atrofia de la materia gris) de más de 400 personas dentro de una cohorte de investigación en los Estados Unidos (EUA). Posteriormente, el modelo se validó con datos del mundo real de 600 participantes adicionales de EUA y datos longitudinales de 900 personas de clínicas de memoria en el Reino Unido y Singapur.

El algoritmo podría diferenciar entre aquellos con deterioro cognitivo leve estable y aquellos que desarrollarían la enfermedad de Alzheimer en un plazo de tres años. Identificó a las personas que desarrollarían Alzheimer con un 82 % de precisión y a aquellos que no lo harían con un 81 % de precisión utilizando sólo pruebas cognitivas y exploraciones por resonancia magnética. El algoritmo fue aproximadamente tres veces más preciso para predecir la progresión del Alzheimer que el estándar de atención actual, que se basa en marcadores clínicos estándar como la atrofia de la materia gris o puntuaciones cognitivas. Esta capacidad reduce significativamente la probabilidad de diagnósticos erróneos. Además, el modelo permitió a los investigadores clasificar a los individuos con Alzheimer en su visita inicial a la clínica de la memoria en tres categorías: aquellos cuyos síntomas permanecerían estables (alrededor del 50 % de los participantes), aquellos que progresarían lentamente (alrededor del 35 %) y aquellos que se deteriorarían rápidamente (el 15 % restante).

Estas predicciones fueron confirmadas por datos de seguimiento durante seis años, lo que destaca el potencial del modelo para identificar en una etapa temprana a personas que podrían beneficiarse de nuevos tratamientos y aquellas que necesitan un seguimiento estrecho debido a la rápida progresión. Es importante destacar que el 50 % de las personas con síntomas como pérdida de memoria que permanecieron estables podrían ser redirigidos a vías clínicas alternativas, ya que sus síntomas podrían deberse a otras causas, como ansiedad o depresión. Los investigadores ahora planean expandir su modelo a otros tipos de demencia, incluida la demencia vascular y la demencia frontotemporal, e incorporar diferentes tipos de datos, como marcadores de análisis de sangre.

"Hemos creado una herramienta que, a pesar de utilizar únicamente 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 no. lento”, dijo la autora principal, la profesora Zoe Kourtzi del Departamento de Psicología de la Universidad de Cambridge. “Esto tiene el potencial de mejorar significativamente el bienestar del paciente, mostrándonos qué personas necesitan una atención más cercana y, al mismo tiempo, eliminando 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 de diagnóstico costosas e invasivas innecesarias”.

Enlaces relacionados:
Departamento de Psicología de la Universidad de Cambridge

Visitar la expo >

New

Miembro Oro

X-Ray QA Meter

T3 AD Pro

New

Frontal Apron

601 - Frontal Apron

High-Resolution 3D Imaging Technology

Clarity HD+ Imaging Technology

Ultrasound Table

Vascular with Fowler EA Table