Los científicos de Cambridge han desarrollado una herramienta de inteligencia artificial capaz de predecir en cuatro de cada cinco casos si las personas con signos tempranos de demencia permanecerán estables o desarrollarán la enfermedad de Alzheimer.
El equipo dice que este nuevo enfoque podría reducir la necesidad de pruebas diagnósticas invasivas y costosas y, al mismo tiempo, mejorar los resultados del tratamiento en una etapa temprana, cuando intervenciones como cambios en el estilo de vida o nuevos medicamentos pueden tener la oportunidad de funcionar mejor.
La demencia plantea un importante desafío sanitario global, ya que afecta a más de 55 millones de personas en todo el mundo y tiene un coste anual estimado de 820 000 millones de dólares. Se prevé que el número de casos casi se triplique en los próximos 50 años.
La principal causa de demencia es la enfermedad de Alzheimer, que representa entre el 60 y el 80 % de los casos. La detección temprana es crucial, ya que es cuando es más probable que los tratamientos sean más eficaces; sin embargo, el diagnóstico y el pronóstico tempranos de la demencia pueden no ser precisos sin el uso de pruebas invasivas o costosas, como la tomografía por emisión de positrones (PET) o la punción lumbar, que no están disponibles en todas las clínicas de memoria. Como resultado, hasta un tercio de los pacientes pueden ser mal diagnosticados y otros pueden ser diagnosticados demasiado tarde para que el tratamiento sea eficaz.
Un equipo dirigido por científicos del Departamento de Psicología de la Universidad de Cambridge ha desarrollado un modelo de aprendizaje automático capaz de predecir si una persona con problemas leves de memoria y pensamiento desarrollará la enfermedad de Alzheimer y con qué rapidez lo hará. En una investigación publicada hoy en Medicina eClínicademuestran que es más preciso que las herramientas de diagnóstico clínico actuales.
Para construir su modelo, los investigadores utilizaron datos de pacientes recopilados de forma rutinaria, no invasiva y de bajo costo (pruebas cognitivas y exploraciones de resonancia magnética estructural que mostraban atrofia de la materia gris) de más de 400 individuos que formaban parte de una cohorte de investigación en los EE. UU.
Luego probaron el modelo utilizando datos de pacientes reales de otros 600 participantes de la cohorte estadounidense y, lo que es más importante, datos longitudinales de 900 personas de clínicas de memoria del Reino Unido y Singapur.
El algoritmo fue capaz de distinguir entre personas con deterioro cognitivo leve estable y aquellas que progresaron a la enfermedad de Alzheimer en un período de tres años. Fue capaz de identificar correctamente a las personas que desarrollaron Alzheimer en el 82% de los casos e identificar correctamente a las que no lo desarrollaron en el 81% de los casos a partir de pruebas cognitivas y una resonancia magnética únicamente.
El algoritmo fue aproximadamente tres veces más preciso a la hora de predecir la progresión hacia el Alzheimer que el estándar de atención actual, es decir, los marcadores clínicos estándar (como la atrofia de la materia gris o las puntuaciones cognitivas) o el diagnóstico clínico. Esto demuestra que el modelo podría reducir significativamente los diagnósticos erróneos.
El modelo también permitió a los investigadores estratificar a las personas con enfermedad de Alzheimer utilizando datos de la primera visita de cada persona a la clínica de memoria en tres grupos: aquellos cuyos síntomas se mantendrían estables (alrededor del 50% de los participantes), aquellos que progresarían lentamente hacia el Alzheimer (alrededor del 35%) y aquellos que progresarían más rápidamente (el 15% restante). Estas predicciones se validaron al observar los datos de seguimiento durante 6 años. Esto es importante ya que podría ayudar a identificar a aquellas personas en una etapa lo suficientemente temprana como para que puedan beneficiarse de nuevos tratamientos, al mismo tiempo que se identifica a las personas que necesitan un seguimiento cercano ya que es probable que su condición se deteriore rápidamente.
Es importante destacar que ese 50% de personas que presentan síntomas como pérdida de memoria pero permanecen estables, estarían mejor dirigidas a una vía clínica diferente, ya que sus síntomas pueden deberse a otras causas además de la demencia, como la ansiedad o la depresión.
La autora principal, la profesora Zoe Kourtzi del Departamento de Psicología de la Universidad de Cambridge, dijo: «Hemos creado una herramienta que, a pesar de utilizar solo datos de pruebas cognitivas y resonancias magnéticas, es mucho más sensible que los enfoques actuales para predecir si alguien progresará desde síntomas leves a Alzheimer y, de ser así, si este progreso será rápido o lento.
«Esto tiene el potencial de mejorar significativamente el bienestar de los pacientes, mostrándonos qué personas necesitan una atención más cercana, al tiempo que elimina 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 diagnósticas invasivas y costosas innecesarias».
Aunque los investigadores probaron el algoritmo con datos de una cohorte de investigación, lo validaron utilizando datos independientes que incluían a casi 900 personas que asistieron a clínicas de memoria en el Reino Unido y Singapur. En el Reino Unido, los pacientes fueron reclutados a través del estudio de resonancia magnética cuantitativa en clínicas de memoria del NHS (QMIN-MC), dirigido por el coautor del estudio, el Dr. Timothy Rittman, del Cambridge University Hospitals NHS Trust y del Cambridgeshire and Peterborough NHS Foundation Trusts (CPFT).
Los investigadores dicen que esto demuestra que debería ser aplicable en un entorno clínico con pacientes del mundo real.
El Dr. Ben Underwood, psiquiatra consultor honorario del CPFT y profesor adjunto del Departamento de Psiquiatría de la Universidad de Cambridge, afirmó: «Los problemas de memoria son habituales a medida que envejecemos. En la clínica veo cómo la incertidumbre sobre si estos podrían ser los primeros signos de demencia puede causar mucha preocupación a las personas y a sus familias, además de ser frustrante para los médicos que preferirían dar respuestas definitivas. El hecho de que podamos reducir esta incertidumbre con la información que ya tenemos es emocionante y es probable que se vuelva aún más importante a medida que surjan nuevos tratamientos».
El profesor Kourtzi afirmó: «Los modelos de IA son tan buenos como los datos con los que se entrenan. Para asegurarnos de que el nuestro tenga el potencial de ser adoptado en un entorno de atención médica, lo entrenamos y probamos con datos recopilados de manera rutinaria no solo de cohortes de investigación, sino también de pacientes en clínicas de memoria reales. Esto demuestra que se podrá generalizar a un entorno del mundo real».
El equipo ahora espera ampliar su modelo a otras formas de demencia, como la demencia vascular y la demencia frontotemporal, y utilizar diferentes tipos de datos, como marcadores de análisis de sangre.
El profesor Kourtzi añadió: «Si vamos a hacer frente al creciente desafío sanitario que supone la demencia, necesitaremos mejores herramientas para identificarla e intervenir en la etapa más temprana posible. Nuestra visión es ampliar nuestra herramienta de IA para ayudar a los médicos a asignar a la persona adecuada en el momento adecuado a la vía de diagnóstico y tratamiento adecuada. Nuestra herramienta puede ayudar a emparejar a los pacientes adecuados con los ensayos clínicos, acelerando el descubrimiento de nuevos fármacos para tratamientos modificadores de la enfermedad».
El estudio fue financiado por Wellcome, la Royal Society, Alzheimer’s Research UK, la Alzheimer’s Drug Discovery Foundation Diagnostics Accelerator, el Instituto Alan Turing y el Instituto Nacional de Investigación en Salud del Centro de Investigación Biomédica de Cambridge.