Un equipo de investigación conformado por expertos de la Universidad de Córdoba y el Instituto Maimónides de Investigación Biomédica (IMIBIC) ha dado un paso crucial en la lucha contra el Alzheimer. Han desarrollado un modelo basado en inteligencia artificial (IA) que promete revolucionar el diagnóstico temprano de esta enfermedad neurodegenerativa.
La aplicación de la IA en el campo médico ofrece una oportunidad sin precedentes para analizar vastas cantidades de datos, mediante un enfoque conocido como aprendizaje profundo. Este método, similar al funcionamiento del cerebro humano, permite a las redes neuronales procesar complejas tareas analizando enormes conjuntos de información.
Partiendo de unos datos concretos, el sistema se entrena de manera automática. Por un lado, incluye las nuevas referencias que le van llegando y, por otro, deduce nuevas circunstancias a partir de éstas.
El sistema desarrollado se basa en la creación de patrones a partir de datos reales, principalmente registros clínicos de pacientes mayores de 65 años diagnosticados con enfermedades neurodegenerativas. Estos registros incluyen una amplia gama de información, desde características demográficas hasta historiales médicos detallados.
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, por sus siglas en inglés).
Lo más impresionante es que el sistema automatiza la detección de síntomas con una precisión cercana al 95%, permitiendo establecer medidas preventivas antes de que la enfermedad avance a etapas más graves, lo que mejora significativamente la atención médica de los pacientes.
Pero el desarrollo no se detiene aquí. Los investigadores continúan sus ensayos para optimizar aún más estos métodos, incluso explorando su aplicación en el diagnóstico de otras enfermedades y condiciones médicas, como la evaluación del dolor en pacientes que no pueden comunicarse.
Un aspecto crucial del desarrollo de este modelo de IA es la necesidad de equilibrar los conjuntos de datos para evitar sesgos. El proceso de sobremuestreo aleatorio se ha demostrado como una estrategia efectiva para lograr este equilibrio, generando datos adicionales para las clases subrepresentadas, como los pacientes sanos, a partir de los datos existentes de los pacientes enfermos.
Además, se ha determinado que una estructura de red neuronal con cinco capas y un número específico de neuronas en cada capa ofrece los mejores resultados, permitiendo que el modelo genere plantillas para un diagnóstico más preciso.
Cuando en la consulta, el médico introduce una serie de valores, el sistema le avisará para que valore la existencia de Alzheimer con nuevas pruebas complementarias si confluyen una serie de circunstancias.
Este avance en el diagnóstico del Alzheimer no habría sido posible sin el apoyo financiero del 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, así como del proyecto ‘Mejorando la experiencia del usuario de ciencia de datos con inteligencia computacional’ del Ministerio de Ciencia, Innovación y Universidades.