En un reciente estudio presentado en la plataforma de preimpresión medRxiv*, los investigadores estudian la aplicación de técnicas de aprendizaje automático en el ámbito de la detección, el pronóstico y la previsión de la respuesta al tratamiento de enfermedades neurodegenerativas.
Las enfermedades neurodegenerativas son situaciones patológicas nocivas ligadas a la edad que van unidas a un declive continuo de la red de células nerviosas tanto en el sistema nervioso central como en el periférico. En consecuencia, todos los trastornos neurodegenerativos están relacionados con síntomas gradualmente incapacitantes que, en última instancia, culminan en la pérdida total de independencia y la muerte. Los trastornos neurodegenerativos más extendidos son la enfermedad de Alzheimer, la esclerosis múltiple, la enfermedad de Parkinson, la esclerosis lateral amiotrófica y la enfermedad de Huntington.
En Estados Unidos, las enfermedades de Alzheimer y Parkinson son los trastornos neurodegenerativos predominantes. Los cálculos actuales revelan que hasta 6,2 millones de personas padecen la enfermedad de Alzheimer en EE.UU., mientras que alrededor de un millón de estadounidenses están afectados por la enfermedad de Parkinson. Con el aumento de la esperanza de vida en varios países del mundo, los expertos prevén que la incidencia de estos trastornos neurodegenerativos también aumente.
Para mejorar el tratamiento de estas enfermedades intratables, es crucial comprender el origen de la enfermedad, crear instrumentos precisos de detección y predicción y encontrar tratamientos específicos. La adopción de técnicas de aprendizaje automático está aumentando en el ámbito de la investigación de enfermedades neurodegenerativas para evaluar con rapidez y precisión la información asociada a la enfermedad, vital para respaldar los avances en el diagnóstico y el tratamiento. En el examen exhaustivo en curso, los investigadores profundizan en la viabilidad de las técnicas de aprendizaje automático en la investigación de las cinco enfermedades neurodegenerativas más comunes, como la esclerosis múltiple, la enfermedad de Alzheimer, la esclerosis lateral amiotrófica, la enfermedad de Parkinson y la enfermedad de Huntington.
Marco de investigación
Se examinaron múltiples repositorios científicos para localizar investigaciones que emplearan técnicas de inteligencia artificial en la detección, pronóstico y predicción de respuesta terapéutica de cinco dolencias que afectan a la degeneración del sistema nervioso. En el examen se incluyeron todos los estudios publicados desde enero de 2016 hasta diciembre de 2020. Se evaluó una cifra acumulada de 4.471 estudios, de los que finalmente se seleccionaron 1.485 para el análisis final. Los detalles extraídos de cada investigación incluían la categoría del trastorno neurodegenerativo, el año de publicación, el número de muestras, el tipo de datos utilizados por el algoritmo de inteligencia artificial, el objetivo clínico principal y la forma de la técnica de aprendizaje automático. Se realizaron evaluaciones cualitativas y numéricas de los resultados de la investigación.
La creciente adopción de técnicas de inteligencia artificial
La aplicación de técnicas de inteligencia artificial en trastornos que implican la degeneración de las estructuras neuronales ha experimentado un crecimiento constante con el paso del tiempo. En concreto, la cantidad de investigaciones que emplean estas técnicas pasó de 172 en 2016 a 490 en 2020, lo que refleja un aumento del 185% en la adopción de esta innovación. El Alzheimer y el Parkinson son las enfermedades neurodegenerativas que más se investigan con técnicas de inteligencia artificial.
Dentro de la investigación elegida, las imágenes fueron la categoría de datos examinada con más frecuencia, seguida del escrutinio funcional, clínico, de muestras biológicas, genético, electrofísico y molecular. La información de imágenes y la funcional fueron las categorías de datos predominantes en el trastorno de Alzheimer y la enfermedad de Parkinson, respectivamente. Aproximadamente el 68% de la información de imágenes pertenecía a la enfermedad de Alzheimer, y el 76% de la información funcional estaba relacionada con la enfermedad de Parkinson.
En cuanto a los objetivos clínicos clave, las técnicas de inteligencia artificial se utilizaron sobre todo para diagnosticar enfermedades, y después para anticipar la progresión de la enfermedad y prever los efectos terapéuticos. Los datos de imágenes siguieron siendo la categoría de datos más utilizada para la identificación y predicción de enfermedades. A la hora de predecir el efecto del tratamiento, la información funcional fue la más empleada. En los estudios seleccionados se aplicaron un total de 2.734 versiones de técnicas de aprendizaje automático. Entre ellas, las más mencionadas fueron las máquinas de vectores soporte, los bosques aleatorios y las redes neuronales convolucionales. Además, en el examen se señalaron 322 métodos distintos.
Relevancia
La revisión exploratoria existente revela un crecimiento en la utilización de técnicas de inteligencia artificial en la investigación de trastornos neurodegenerativos. Los investigadores articulan que el atractivo de estas técnicas es cada vez mayor para mejorar la trayectoria médica de estas dolencias dañinas. Aunque en la actualidad se dispone de terapias específicas para aliviar algunos de los síntomas corporales y cognitivos relacionados con las enfermedades neurodegenerativas, todavía hay una carencia de tratamientos capaces de ralentizar el avance de la muerte neuronal. Por lo tanto, existe una necesidad inmediata de ampliar el uso de técnicas de inteligencia artificial para reconocer los indicadores biológicos de previsión y descubrir nuevas soluciones medicinales para el tratamiento de los trastornos neurodegenerativos.