Prediciendo el Alzheimer con la ayuda de la IA

Un estudio reciente publicado por la Alzheimer’s Association arroja luz sobre un nuevo método de detección temprana que podría ayudar a salvar millones de vidas. El estudio examina el uso de IA en protocolos de predicción automatizados combinados con métodos de escaneo de voz para determinar con precisión la progresión del deterioro cognitivo leve (MCI) a la enfermedad de Alzheimer (AD) en un período de 6 años. Esto es lo que necesitas saber.

Alzheimer y demencia

Cualquiera que haya convivido o ayudado a un familiar con Alzheimer y demencia puede dar fe de las dificultades de la situación. Cabe destacar que la enfermedad de Alzheimer es la causa principal de demencia a nivel mundial. Es un trastorno cerebral progresivo que deteriora las capacidades mentales de una persona con el tiempo. El proceso es gradual, con síntomas que pasan del simple olvido a la pérdida de memoria, desorientación, auto‑descuido y pérdida del habla. Además, los pacientes que padecen deterioro cognitivo leve (MCI) tienen una probabilidad mucho mayor de desarrollar la enfermedad de Alzheimer.

Datos sobre la enfermedad de Alzheimer

La enfermedad de Alzheimer es la sexta causa principal de muerte entre los estadounidenses y sigue siendo una gran preocupación a nivel mundial. Un estudio de 2023 encontró que más de 6,7 millones de estadounidenses padecen esta enfermedad, lo que puede dejar a los pacientes incapaces de cuidarse a sí mismos, reconocer a sus familiares o realizar las tareas diarias necesarias.

Desafortunadamente, la investigación también señaló un aumento de riesgos en el futuro. Predijo que 13,8 millones de ciudadanos estadounidenses sufrirán la enfermedad para 2060. Estos factores han llevado a muchos investigadores a buscar soluciones y métodos de prevención que ayuden a reducir estos riesgos, potencialmente salvando muchas vidas.

Patología del AD

La patología del AD es un término que hace referencia a cómo el cerebro comienza a deteriorarse bajo el peso de la enfermedad. Los métodos actuales requieren la realización de pruebas neuropsicológicas (NPT), lo que permite a los profesionales de la salud monitorear los niveles de péptidos beta‑amiloides (Aβ), proteína tau hiperfosforilada, astrocitos reactivos, activación microglial y otros biomarcadores. Todos estos factores pueden indicar inflamación crónica y otros problemas asociados con el inicio del AD.

Limitaciones actuales de la patología del AD

Estos métodos para determinar el riesgo de AD de un paciente presentan algunas desventajas importantes. En primer lugar, son costosos. Cada prueba puede costar miles de dólares, lo que la hace accesible solo para quienes tienen seguro o acceso a financiación. Además, estos métodos suelen ser invasivos. Cada vez que se necesita cortar la piel, aumenta el riesgo de infecciones y otras complicaciones.

El futuro de la detección del AD es basado en la voz

Los investigadores han observado una correlación directa entre el deterioro del habla y el MCI. Por ello, se ha trabajado mucho en documentar y registrar estos cambios con fines de investigación. Hoy en día, están disponibles miles de horas de grabaciones de voz de exámenes neuropsicológicos. Además, se adjuntan otros datos a estas grabaciones. Este estudio FHS es el conjunto de grabaciones más grande.

Estudio del Corazón de Framingham (FHS)

El Estudio del Corazón de Framingham (FHS) se ha llevado a cabo desde 1948. Este estudio a largo plazo sobre la salud cardiovascular investigó a miles de hombres que habían sufrido accidentes cerebrovasculares o ataques cardíacos. Su enfoque a largo plazo ha permitido a los investigadores crear modelos de predicción de riesgo a 10‑30 años, los cuales han demostrado ser vitales en la prevención, el desarrollo de medicamentos y ahora en la programación de modelos de IA.

Este esfuerzo colaborativo cuenta con el apoyo del Instituto Nacional del Corazón, los Pulmones y la Sangre (NHLBI) y la Universidad de Boston, y es uno de los estudios cardiovasculares más largos y exitosos jamás realizados. Por ello, sus datos han contribuido a innumerables avances médicos y siguen siendo una fuente poderosa de datos de salud a largo plazo.

Como parte del estudio, se introdujeron pruebas de habla en los datos en 2005. Desde entonces, los científicos han registrado miles de patrones de habla en pacientes antes y durante el AD. Estas grabaciones proporcionaron información valiosa sobre cómo se deteriora la mente durante el AD.

La inteligencia artificial mejora los métodos de diagnóstico

La revolución de la IA ha permitido a los ingenieros crear sistemas de alerta temprana más avanzados y eficientes. En este caso, se utilizó el procesamiento de lenguaje natural (NLP) de IA para diagnosticar características lingüísticas que indican deterioro cognitivo. El algoritmo puede cruzar millones de puntos de datos para ubicar con precisión a los pacientes en una escala de demencia basada en sus comunicaciones.

Estudio sobre Alzheimer y demencia

El estudio aplicó técnicas de NLP con métodos de aprendizaje automático para mejorar los modelos predictivos de MCI y demencia. El equipo tomó grabaciones de entrevistas de prueba de n + 166 participantes del Estudio del Corazón de Framingham (FHS) para crear estos modelos. Los modelos abarcaron una variedad de opciones, desde datos demográficos hasta un espectro completo de datos.
Una diferencia principal respecto a intentos anteriores fue que el equipo se centró principalmente en la progresión de MCI a AD en lugar de la cognición normal. Incluyó 90 casos de MCI progresivo y 76 casos de MCI estable como parte del enfoque. Estos datos se introdujeron en un algoritmo avanzado de IA que examinó factores clave.

Datos de entrada

El sistema utilizó una variante del modelo de regresión logística que aprovechó las puntuaciones de subpruebas y el TAS como sus principales indicadores de predicción. Como parte de este enfoque, el equipo primero creó una herramienta de transcripción que simplificó la importación de los datos previamente grabados del Estudio del Corazón de Framingham (FHS).

Datos de voz

Los datos de voz de los 166 participantes incluían una entrevista de una hora con cada persona. Estos datos se habían grabado previamente y almacenado digitalmente, lo que implicó que el equipo necesitara crear métodos para convertir fácilmente estos datos en texto y luego en modelos de IA.

El codificador universal de oraciones

El codificador universal de oraciones fue diseñado para reducir la carga de trabajo al importar datos del FHS. El sistema escanea automáticamente los datos del FHS y genera incrustaciones vectoriales basadas en segmentos específicos de la transcripción de cada paciente. Este enfoque ayuda a la IA a realizar predicciones más precisas mientras disminuye la carga de trabajo.

Mejoras en los modelos de IA

El equipo de investigación utilizó estas transcripciones para crear un potente algoritmo de aprendizaje profundo de IA. El sistema llama automáticamente a datos aleatorios del informe del FHS y los muestrea. Estos datos se usaron para crear y codificar contenido de subpruebas. En total, se utilizaron ocho incrustaciones específicas para medir la progresión del AD y el MCI.

Modelos de regresión logística

Se crearon nuevos modelos de IA entrenados con los datos cuantitativos asociados a cada contenido de subprueba. El contenido se puntuó y se utilizó como entradas individuales para el modelado. Estos modelos se desglosaron y probaron su efectividad, resultando en una puntuación media de transcripción (TAS) para cada uno. Estas puntuaciones y el TAS permitieron a la IA monitorear con precisión la progresión del MCI.

El modelo principal incluyó una gran cantidad de datos valiosos sobre los participantes. Específicamente, incluyó datos demográficos, estado de portador de APOE, factores de salud y características de texto importadas del estudio FHS. Este modelo obtuvo la puntuación más alta, mostrando casi un 80 % de precisión en la determinación del inicio del AD dentro de seis años.

El equipo también probó un modelo que simplemente consideraba los datos demográficos de los participantes. También hubo un modelo solo de texto que aprovechó las entradas de texto del FHS como su fuente principal de revisión. Cabe destacar que el modelo de IA demográfico predijo el AD con un 68,8 % de precisión. De manera impresionante, el modelo más preciso, que incluía todos los datos relevantes, alcanzó un 79 % de precisión.

Pruebas de los modelos

El rendimiento de cada modelo se probó utilizando un enfoque de validación cruzada grupal k‑fold que examinó factores clave como precisión, exactitud, sensibilidad y especificidad. Además, se realizaron pruebas de validación cruzada y de selección de características.

Resultados

Los resultados del estudio son prometedores. El nuevo modelo de detección de IA tuvo una precisión del 79 % al determinar el inicio del AD dentro de 6 años. El equipo descubrió que a mayor número de entradas de datos, más precisa era la IA para determinar el riesgo de una persona. Por lo tanto, los datos de voz, la edad, el sexo y el nivel educativo son factores que influyen en el riesgo de exposición al AD.

Beneficios del estudio sobre la enfermedad de Alzheimer

Existen algunos beneficios importantes que este estudio podría ofrecer a la persona promedio. En primer lugar, los métodos de predicción basados en IA son mucho más asequibles y accesibles al público. El costo de las pruebas actuales dentro del sistema de salud con fines de lucro sigue aumentando debido a la necesidad de utilizar laboratorios y muestras. El nuevo sistema de IA elimina estas necesidades, reduciendo enormemente los costos para todos los participantes.
Además, la integración de un sistema de detección automatizado puede ayudar a médicos y profesionales de la salud a prescribir tratamientos y medicamentos de manera más precisa y rápida cuando sea posible. Estas respuestas mejoradas podrían marcar la diferencia entre la vida y la muerte en muchos casos.

No invasivo

Este método de IA para detectar el AD es no invasivo. No es necesario que los médicos tomen muestras de tejido para determinar la progresión del AD, lo que reduce el riesgo de infecciones u otras complicaciones.

Empresas que podrían beneficiarse de este estudio

Varias empresas podrían mejorar sus productos y servicios al integrar este nuevo método automatizado de detección de AD con IA. Estas compañías se especializan en métodos de prevención y predicción del AD. Por lo tanto, podrían prescribir y diagnosticar a los pacientes de manera más eficaz, lo que conduciría a tiempos de respuesta más rápidos. A continuación, se presentan dos empresas que están posicionadas para integrar esta tecnología hoy.

1. Biogen

BIIB Gráfico de precios

Biogen es una empresa biotecnológica líder con sede en Massachusetts, EE. UU. La compañía cuenta con una variedad de productos diseñados para prevenir, tratar y ayudar a quienes padecen enfermedades neurológicas y autoinmunes. Integrar un modelo automatizado de detección de AD como el creado por los investigadores mejoraría significativamente el tiempo de respuesta de la empresa.
Las acciones de Biogen se consideran una fortaleza debido a su historia y posición en el mercado. La empresa ha experimentado ganancias lentas y constantes en los últimos cuatro años y actualmente tiene una capitalización de mercado de 33,16 mil millones de dólares. Los analistas predicen que el fabricante verá aumentos adicionales en los ingresos gracias a sus esfuerzos pioneros y a la creciente demanda de métodos de prevención temprana.

2. Eisai

Eisai, con sede en Tokio, sigue siendo una fuerza global en el sector de investigación y desarrollo médico. La compañía se especializa en la importación y exportación de productos farmacéuticos y ha colaborado con otras marcas líderes, incluido Biogen, en un pacto de fármacos contra la enfermedad de Alzheimer. El pacto permite a estas empresas compartir datos libremente con la esperanza de lograr un avance significativo en el diagnóstico y tratamiento de esta afección.
Eisai es líder en el mercado y ha contribuido a la investigación y desarrollo de algunos productos farmacéuticos muy exitosos. La compañía cuenta con un fuerte respaldo de la comunidad inversora y ha sido incluida en la cartera modelo ESG de Argus EE. UU. Esta recomendación de acciones se basa en criterios medioambientales, de gobernanza y sociales. Por estas razones, ESALY es una adición inteligente a cualquier cartera.

Futuro de la IA en la atención sanitaria

Este estudio es uno de muchos que ha captado la atención de quienes padecen Alzheimer. Pronto, podrían existir herramientas de diagnóstico automatizadas y muy asequibles para el hogar que permitirían a cualquier persona, desde cualquier lugar, monitorear su riesgo de salud. Estos dispositivos no estarían limitados únicamente a la prevención del Alzheimer. A continuación, se presentan otras interesantes mejoras médicas impulsadas por IA.

Detección de accidentes cerebrovasculares con IA

Los sistemas de IA ya están disponibles para ayudar a detectar accidentes cerebrovasculares. Para el personal de emergencias, determinar si una persona sufre un accidente cerebrovascular u otra afección suele ser el primer paso para salvar su vida. Cabe destacar que un equipo de ingenieros biomédicos de la Universidad RMIT creó una nueva herramienta que aprovecha la IA para identificar un ACV en segundos. El software utiliza la cámara de un smartphone para observar y determinar, mediante las características faciales, si ocurrió un accidente cerebrovascular.

Habla asistida por IA

El habla asistida por IA es otra área de la atención sanitaria que ha experimentado una mejora significativa. Estos sistemas utilizan grandes modelos de lenguaje para ayudar a quienes no pueden pronunciar palabras debido a accidentes o impedimentos a crear oraciones en tiempo real. Esta tecnología ya está ayudando a miles de personas que padecen problemas de comunicación a superar la adversidad y vivir una vida más plena.

Movimiento asistido por IA

Los sistemas de IA también han ayudado a mejorar la movilidad de millones de personas. Los investigadores están utilizando ahora la IA para mejorar el rendimiento de los exoesqueletos. Estos dispositivos, que antes requerían un control remoto para que el usuario los operara, ahora pueden determinar tu próximo movimiento y ayudarte automáticamente a subir escaleras, pendientes pronunciadas y otros terrenos que normalmente serían imposibles para otros sistemas de asistencia para caminar.

La IA ayuda a vencer la enfermedad de Alzheimer

La tecnología de IA puede ayudar a quienes padecen la enfermedad de Alzheimer a mantener un registro de sus recuerdos que se desvanecen y vivir una vida mejor. Este último desarrollo demuestra cómo la prevención y el diagnóstico con IA podrían ser los primeros pasos para vencer finalmente esta afección. Por lo tanto, esta investigación brinda un nuevo nivel de confianza mientras abre la puerta a una población más saludable y cognitivamente activa en el futuro.
Haz clic para más Desarrollos de IA.