Identificar con precisión el avance de los patrones de síntomas de un paciente con enfermedad de Parkinson, así como predecir cómo y cuándo su situación progresaría a un estado más severo, es posible ahora utilizando un modelo de Inteligencia Artificial (IA).
Este modelo, que aprende de los datos longitudinales del paciente, surge de otros avances que IBM y Fundación Michael J. Fox (MJFF) han realizado, de acuerdo con una reciente publicación de The Lancet Digital Health.
Los progresos de ambas organizaciones, que han acelerado el estudio del Parkinson, incluyen algoritmos de aprendizaje automático que pueden reconocer qué tan avanzado es el estado de la enfermedad en un paciente, a pesar de que esté o no, tomando medicamentos que enmascaran ciertos indicios y síntomas.
El Parkinson es una enfermedad neurodegenerativa crónica que no tiene cura y que actualmente afecta a más de 6 millones de personas y se espera que su prevalencia se duplique hacia el 2040.
“La información descubierta a partir de esta aplicación de IA podría transformar tanto la gestión como el diseño de ensayos clínicos. Al comprender y predecir cómo se manifestará una enfermedad, los médicos pueden determinar los mejores medicamentos y terapias para un paciente específico e identificar de manera más efectiva a aquellos que pueden beneficiarse de un ensayo clínico”.
El texto de The Lancet Digital Health detalló que los parámetros del modelo se aprenden utilizando datos longitudinales de un estudio de cohorte multicéntrico, internacional y observacional de 423 individuos con enfermedad de Parkinson temprana, sin tratamiento al inicio, y un grupo de comparación de 196 controles sanos.
IBM destacó que tener acceso a un gran conjunto de datos es crucial para el éxito en los modelos de aprendizaje automático, por lo tanto, los valiosos datos recabados por la iniciativa PPMI fueron claves para la viabilidad del modelo.
“El conjunto de datos sirvió como insumo para el enfoque de aprendizaje automático, lo que permitió descubrir patrones complejos de síntomas y progresión”.
La empresa de tecnología destacó que se espera que el uso de Machine Learning para aprender de grandes cantidades de datos permita a los médicos e investigadores contar con una nueva herramienta para predecir mejor la progresión, notoriamente variable de los síntomas, en pacientes individuales de Parkinson.
Asimismo, que ello permita gestionar y tratar la enfermedad de manera más efectiva, y que dé lugar a la posibilidad de identificar a los mejores candidatos para ensayos clínicos que sean más específicos y efectivos.
Los resultados sugieren que el estado de un paciente puede variar en una serie de factores, como la capacidad para realizar actividades cotidianas; problemas relacionados con la lentitud motriz, el temblor y la inestabilidad postural; así como síntomas no motores, entre ellos, depresión, ansiedad, deterioro cognitivo y trastornos del sueño.
Además, apoyan la hipótesis de que existen diversas vías de progresión, tal como lo indican las numerosas trayectorias de enfermedades que se han estudiado.
“Sin embargo, todavía queda mucho trabajo por hacer. Por ejemplo, el equipo espera refinar el modelo para proporcionar una caracterización aún más granular de los estados de enfermedad mediante la incorporación de evaluaciones de biomarcadores emergentes, como las mediciones genómicas y neuroimágenes”.
C$T-EVP
