Logran predecir con Inteligencia Artificial la progresión de pacientes hacia la demencia

El declive cognitivo leve puede evolucionar hacia la demencia en los primeros cuatro años, especialmente en aquellos casos donde la patología amiloide ya está presente en los pacientes −es decir, cuando proteínas anormales llamadas amiloides se acumulan y forman depósitos en el cerebro que le impiden funcionar como debería−. Según estudios recientes, la inteligencia artificial desempeña un papel crucial en el diagnóstico y pronóstico durante la fase inicial del alzhéimer.

Investigadores de la Universidad Politécnica de Madrid (UPM) han llevado a cabo un estudio, en el que ha colaborado un investigador de la University of Eastern Finland (UEF), en el que han aplicado herramientas de inteligencia artificial en pacientes con declive cognitivo leve.

Los resultados han revelado que unas pocas pruebas neuropsicológicas pueden capturar de manera efectiva la progresión hacia la demencia, prescindiendo de otras pruebas clínicas adicionales, lo que facilita la integración de esta tecnología en la práctica clínica. También han constatado la importancia de realizar pruebas que determinen la presencia de dos patologías (amiloide y tau) al inicio del diagnóstico de declive cognitivo leve en el paciente.

Aunque el periodo de transición entre el declive cognitivo leve y la demencia puede extenderse en más de una década, cerca del 30% de los individuos que lo padecen hacen la conversión en los primeros cuatro años. Se ha observado que aproximadamente el 80% de estos individuos conversores rápidos ya presentaban patología amiloide en el momento del diagnóstico inicial.

En la actualidad, se están desarrollando modelos de progresión de enfermedades mediante técnicas de inteligencia artificial. Estos modelos no solo contribuyen al diagnóstico y pronóstico de los pacientes, sino que también permiten validar hipótesis sobre la evolución temporal de las enfermedades. Además, posibilitan el análisis de si un marcador es capaz de rastrear la enfermedad. Estos algoritmos emplean datos longitudinales de los pacientes para estimar cómo evolucionan los síntomas y las patologías a lo largo del tiempo.