Un equipo de investigación de la Universidad de Córdoba y el Instituto Maimónides de Investigación Biomédica (IMIBIC) ha diseñado un modelo basado en inteligencia artificial (IA) que contribuye al diagnóstico temprano de la enfermedad de Alzheimer.
La aplicación de la IA en el diagnóstico médico ofrece la posibilidad de contrastar una gran cantidad de información que se amplía a medida que se utiliza, mediante lo que se conoce como aprendizaje profundo, según ha informado en un comunicado la Fundación Descubre.
El aprendizaje profundo se basa en redes neuronales que funcionan de manera parecida a como lo hace el cerebro humano. Estas redes acometen tareas complejas al analizar grandes cantidades de datos de entrada.
"Hemos confirmado que el modelo probado funciona. Ha logrado optimizar el proceso en el tratamiento de la información y la identificación de patrones y características concretas que determinan la presencia de alzhéimer", ha indicado el investigador de la Universidad de Córdoba José Luis Ávila.
El sistema consiste en la creación de patrones partiendo de datos reales. Concretamente, se basan en los registros clínicos que incluyen pacientes mayores de 65 años diagnosticados con algún tipo de enfermedad neurodegenerativa.
En los informes se incorporan el análisis de sus características, como la edad o el género, su historial médico, con las prescripciones y otras patologías como diabetes, colesterol o depresión, entre otras muchas.
Además, incorporan unas pruebas que evalúan el estado de autonomía, conocido como Test de Barthel, y otra que mide el estado de la progresión de la demencia en etapas específicas, llamada Estado de Deterioro Global, GDS.
A partir de los registros clínicos de enfermos, teniendo en cuenta múltiples variantes, el sistema automatiza la detección de los síntomas con una precisión cercana al 95 %.
De esta manera, se podrán establecer las medidas necesarias antes de que los enfermos estén en fases más avanzadas y mejorar su atención médica.
Con el uso de este tipo de IA es posible obtener mejores resultados para el tratamiento de los pacientes y un sistema de atención médica más eficiente.
Los investigadores continúan sus ensayos para optimizar estos métodos de reequilibrio con datos clínicos. Además, plantean la aplicación de estos resultados en otras enfermedades como en la evaluación del dolor en pacientes que no pueden comunicarse.
Los trabajos se han financiado mediante el proyecto 'Adaptación y validación de la versión española de la pain assessment in advance dementia scale (PAINED) y determinación de biomarcadores del dolor en saliva en personas mayores con deterioro cognitivo e incapacidad de comunicación' de la Consejería de Salud y Consumo de la Junta de Andalucía y 'Mejorando la experiencia del usuario de ciencia de datos con inteligencia computacional' del Ministerio de Ciencia, Innovación y Universidades.
