Científicos de la Universidad de California en San Francisco (UCSF) han demostrado que la Inteligencia Artificial (IA) puede predecir la aparición del Alzheimer hasta siete años antes de que se presenten los primeros síntomas. Este hallazgo, basado en el análisis de historiales médicos mediante técnicas de aprendizaje automático, podría transformar la manera en que se diagnostica y trata esta enfermedad neurodegenerativa.
El poder predictivo de la Inteligencia Artificial
El estudio, liderado por Alice Tang, estudiante de doctorado en el laboratorio Sirota de la UCSF, revela que la IA es capaz de identificar patrones en datos clínicos que pueden ser utilizados para explorar grandes bases de datos genéticos y determinar los factores que impulsan el riesgo de Alzheimer.
“Este es un primer paso hacia el uso de la Inteligencia Artificial en datos clínicos rutinarios, no sólo para identificar el riesgo lo antes posible, sino también para comprender la biología que hay detrás”, afirma Tang.
Metodología del estudio
Los investigadores analizaron la base de datos clínica de la UCSF, que incluye más de 5 millones de pacientes. Compararon las afecciones concurrentes en pacientes diagnosticados con Alzheimer en el Centro de Memoria y Envejecimiento de la UCSF con individuos sin la enfermedad. Los resultados mostraron que el modelo predictivo de IA tiene una precisión del 72% para identificar quién desarrollará Alzheimer hasta siete años antes.
Factores predictivos y diferencias de género
El estudio identificó varios factores predictivos comunes en hombres y mujeres, como la hipertensión, el colesterol alto y la deficiencia de vitamina D. Sin embargo, también se encontraron diferencias de género significativas. En hombres, la disfunción eréctil y el agrandamiento de la próstata fueron factores predictivos importantes, mientras que en mujeres, la osteoporosis resultó ser un predictor clave.
“Es la combinación de enfermedades lo que permite a nuestro modelo predecir la aparición del Alzheimer”, recalca Tang.
Para profundizar en la biología que respalda el poder predictivo del modelo, los investigadores utilizaron bases de datos moleculares públicas y una herramienta desarrollada en la UCSF llamada SPOKE. Esta herramienta permite identificar patrones y posibles dianas moleculares para terapias. El estudio encontró una conexión entre el Alzheimer y el colesterol alto a través de la variante del gen APOE4. Además, identificó un vínculo entre la osteoporosis y el Alzheimer en mujeres, mediado por la variante del gen MS4A6A.
¿Qué implica esto?
Marina Sirota, profesora asociada en el Instituto de Ciencias de la Salud Computacional Bakar de la UCSF, destaca el potencial de este enfoque:
“Este es un gran ejemplo de cómo podemos aprovechar los datos de los pacientes con el aprendizaje automático para predecir qué pacientes son más propensos a desarrollar Alzheimer y también para entender las razones por las que esto es así”.
Los investigadores de la UCSF esperan que esta metodología pueda aplicarse a otras enfermedades difíciles de diagnosticar, como el lupus y la endometriosis, abriendo nuevas vías para el diagnóstico y tratamiento precoz de enfermedades complejas.
Para aquellos interesados en profundizar más en este estudio, pueden consultar el artículo completo titulado “Leveraging electronic health records and knowledge networks for Alzheimer’s disease prediction and sex-specific biological insights”.
