Investigadores de la Universidad Politécnica de Madrid han desarrollado una herramienta de inteligencia artificial que predice el tiempo que le queda a una persona con este trastorno para desarrollar la enfermedad neurodegenerativa.
El periodo de transición entre el declive cognitivo leve y la demencia puede extenderse durante más de una década. Sin embargo, cerca del 30 % de los individuos que lo padecen hacen la conversión en los primeros cuatro años.
Es más, aproximadamente el 80 % de estos individuos conversores rápidos ya presentaban patología amiloide −es decir, cuando dichas proteínas anormales se acumulan y forman depósitos en el cerebro que le impiden funcionar como debería− en el momento del diagnóstico inicial.
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 aplican herramientas de inteligencia artificial (IA) en pacientes con declive cognitivo leve.
Los resultados, publicados en Current Alzheimer Research, revelan que unas pocas pruebas neuropsicológicas pueden capturar de manera efectiva la progresión hacia la demencia, prescindiendo de otros ensayos clínicos adicionales, lo que facilita la integración de esta tecnología en la práctica clínica.
Los científicos han observado cómo los pacientes diagnosticados con declive cognitivo leve y que presentan patología amiloide al inicio del estudio tienden a progresar hacia la demencia a un ritmo más acelerado, en comparación con aquellos que no muestran evidencia de esta patología.
Los expertos también han constatado la importancia de realizar experimentos que determinen la presencia de dos patologías (amiloide y tau) al inicio del diagnóstico de declive cognitivo leve en el paciente.
Comparación de las trayectorias a largo plazo de progresión hacia la demencia entre sujetos con (A+) y sin patología amiloide (A-) al inicio del estudio, utilizando las medidas neuropsicológicas seleccionadas como ADAS-Cog13, FAQ, MMSE y CDRSB. / Estimating Dementia Onset: AT(N) Profiles and Predictive Modeling in Mild Cognitive Impairment Patients. CURRENT ALZHEIMER RESEARCH.
En la actualidad se están desarrollando modelos de progresión de enfermedades mediante técnicas de IA. 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.
Las evaluaciones apoyadas por IA mejoran significativamente el diagnóstico clínico y la monitorización de la evolución de los pacientes en los años siguientes, así como la capacidad de distinguir entre demencia de tipo alzhéimer y otras
Además, son capaces de analizar si un marcador puede 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.
Como señala Carlos Platero, investigador de la UPM y uno de los autores del trabajo, “las evaluaciones apoyadas por IA mejoran significativamente el diagnóstico clínico y la monitorización de la evolución de los pacientes en los años siguientes, así como la capacidad de distinguir entre demencia de tipo alzhéimer y otras”.
Referencia:
Platero C. et al.: Estimating Dementia Onset: AT(N) Profiles and Predictive Modeling in Mild Cognitive Impairment Patients. CURRENT ALZHEIMER RESEARCH (2024)
Investigadores de China han identificado 13 proteínas relacionadas con el declive de este órgano. El estudio sugiere cómo los cambios en sus concentraciones en sangre tienden a alcanzar un pico a los 57, 70 y 78 años. Este hallazgo abre la puerta a intervenciones personalizadas para retrasar su degeneración.
Investigadores españoles han descubierto una alteración en los casos más agresivos que afecta a genes nunca relacionados con esta enfermedad. El hallazgo amplía la lista de potenciales dianas terapéuticas de este tumor de huesos y tejidos blandos que se da en niños y jóvenes. La cuarta parte de los pacientes no responde bien a la terapia.
