En una nueva investigación publicada en Lancet Digital Health se describe un nuevo modelo de inteligencia artificial (IA) que agrupa los patrones de síntomas típicos de la enfermedad de Parkinson y predice la progresión de estos síntomas en términos de tiempo y gravedad, aprendiendo de los datos longitudinales del paciente.
El objetivo del estudio es utilizar la IA para contribuir a la gestión y el
diseño de ensayos clínicos. Estas metas son importantes porque, pese a la prevalencia de Parkinson, los pacientes experimentan una variedad única de síntomas, tanto motores como no motores.
Se espera que el uso de
machine learning para aprender de grandes cantidades de datos de pacientes 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.
Si bien numerosos estudios previos se han dedicado a caracterizar la enfermedad de Parkinson utilizando solo información de base, el método empleado aquí utiliza hasta siete años de datos de pacientes. Además, el modelo realiza supuestos limitados a priori acerca de vías de progresión, en comparación con estudios anteriores.
Estas decisiones de modelado en
inteligencia artificial han permitido a los investigadores obtener más información sobre los estados de la enfermedad y las vías de progresión. 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.
Los resultados 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, el modelo de IA aún puede realizar predicciones precisas. Debido a que el modelo se nutre de un conjunto de datos, ha podido predecir con éxito un estado avanzado de la enfermedad de Parkinson asociado con resultados como la demencia y la incapacidad para caminar sin asistencia.
Debido a la diversidad de experiencias en la enfermedad de Parkinson, se espera que, al permitir este tipo de predicciones, el modelo pueda ayudar con la gestión y proporcionar criterios de inclusión y definición de resultados más específicos durante el diseño del ensayo clínico.
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.
El estudio “Descubrimiento de estados de enfermedad de Parkinson mediante aprendizaje automático y datos longitudinales” fue realizado por un equipo de investigadores de IBM junto con científicos de la Fundación Michael J. Fox para la Investigación del Parkinson.