Un equipo de investigadores dirigido por la profesora Zoe Kourtzi de la Universidad de Cambridge y el Instituto Alan Turing ha desarrollado herramientas de aprendizaje automático que pueden detectar la demencia en pacientes en una etapa muy temprana.

En este sentido, la inteligencia artificial podría detectar los primeros signos de demencia a partir de un simple escáner cerebral mucho antes de que aparezcan los síntomas principales y, en algunos casos, antes de que aparezca cualquier síntoma.

La IA podría detectar demencia años antes

Utilizando escáneres cerebrales de pacientes que desarrollaron Alzheimer, su algoritmo de aprendizaje automático aprendió a detectar cambios estructurales en el cerebro. Cuando se combinó con los resultados de las pruebas de memoria estándar, el algoritmo pudo proporcionar la probabilidad de que el individuo tuviera la enfermedad de Alzheimer. En pacientes que presentaban deterioro cognitivo leve (signos de pérdida de memoria o problemas con el lenguaje o la percepción visual / espacial), el algoritmo tenía una precisión superior al 80% en la predicción de los individuos que desarrollaron la enfermedad de Alzheimer. También pudo predecir lo rápido que disminuirá su cognición con el tiempo.

“Hemos entrenado algoritmos de aprendizaje automático para detectar signos muy tempranos de demencia con solo buscar patrones de pérdida de materia gris, esencialmente, desgaste, en el cerebro. Cuando combinamos esto con las pruebas de memoria estándar, podemos predecir si un individuo mostrará un deterioro más lento o más rápido en su cognición. Incluso pudimos identificar a algunos pacientes que aún no mostraban ningún síntoma, pero que desarrollaron Alzheimer“. Así lo explica la profesora Kourtzi, del departamento de psicología de Cambridge. “Con el tiempo, esperamos poder identificar a pacientes entre cinco y diez años antes de que muestren síntomas como parte de un chequeo médico”, añade.

El algoritmo busca signos de Alzheimer

En concreto, el algoritmo se ha optimizado para buscar signos de la enfermedad de Alzheimer. No obstante, Kourtzi y sus compañeros lo están capacitando para reconocer diferentes formas de demencia. Cada una de ellas tiene su propio patrón característico de pérdida de volumen.

Según ha informado la Universidad de Cambridge, el Dr. Timothy Rittman, del Departamento de Neurociencias Clínicas y consultor del Hospital de Addenbrooke (Cambridge), dirige ahora un ensayo para ver si este enfoque es útil en un entorno clínico. “Hemos demostrado que este enfoque funciona en un entorno de investigación; ahora necesitamos probarlo en un entorno del mundo real“, indica el Dr. Rittman. Hasta ahora han participado en el ensayo alrededor de 80 pacientes.

El Dr. Rittman indica que detectar la demencia temprano es importante por varios aspectos. “Cuando los pacientes comienzan a experimentar problemas cognitivos y de memoria, es comprensible que sea un momento muy difícil. Ser capaces de proporcionar un diagnóstico preciso les brinda claridad y, según el diagnóstico, puede tranquilizarlos o ayudarlos a ellos y a sus seres queridos a prepararse para el largo plazo“, detalla.

En este sentido, apunta que “si detectamos la enfermedad lo suficientemente temprano, podemos recomendar cambios en el estilo de vida (medicación para la presión arterial, mejor dieta y ejercicio, dejar de fumar, por ejemplo) que pueden ayudar a retrasar la progresión de la enfermedad“.

Hoy en día hay muy pocos medicamentos disponibles para ayudar a tratar la demencia ya que los ensayos clínicos generalmente fracasan. Una vez el paciente ha desarrollado síntomas puede que sea demasiado tarde. Por ello, poder identificar a las personas en una etapa muy temprana podría favorecer el desarrollo de nuevos medicamentos. “Si el ensayo tiene éxito, el algoritmo podría implementarse en miles de pacientes más en todo el país“, concluyen desde la Universidad de Cambridge.

ACN/ Isanidad

No dejes de leer: Vacunarse contra el VPH evita el cáncer de cuello uterino

Infórmate al instante únete a nuestro canal de Telegram NoticiasACN