Un novedoso algoritmo de aprendizaje automático que utiliza datos genéticos de muestras de sangre de pacientes puede predecir y explicar significativamente la progresión de enfermedades neurodegenerativas como el Alzheimer y el Huntington.
Servicios Combinados MSP
Un novedoso algoritmo de aprendizaje automático que utiliza datos genéticos de muestras de sangre de pacientes puede predecir y explicar significativamente la progresión de enfermedades neurodegenerativas como el Alzheimer y el Huntington.
El ensayo de casi 2.000 pacientes con enfermedades de Alzheimer y Huntington de aparición tardía muestra que cuando se aplica a muestras de sangre in vivo en la línea de base, el algoritmo predice significativamente el deterioro clínico y la conversión a etapas avanzadas de la enfermedad.
Además, la técnica también permitió descubrir genes y vías moleculares en los tejidos periféricos y los tejidos cerebrales que son altamente predictivos de la evolución de la enfermedad.
En el futuro, él y sus colegas planean probar su modelo de predicción en enfermedades como el Parkinson y la esclerosis lateral amiotrófica.
"Un buen primer paso"
Al comentar los hallazgos para Medscape Medical News, el Dr. David A. Bennett, explicó que aunque se sintió alentado por la investigación, el tratamiento de trastornos como la enfermedad de Alzheimer se ve obstaculizado por la falta de opciones farmacéuticas.
"Este tipo de algoritmos están afectando el cuidado clínico en otros espacios", dijo Bennett, director del Centro de la Enfermedad de Alzheimer de Rush en el Centro Médico de la Universidad de Rush en Chicago, Illinois.
"El verdadero problema que la IA no puede resolver, sin embargo, es que la enfermedad de Alzheimer simplemente no es accionable, no importa cuán bueno sea para predecirla", continuó Bennett, quien no participó en el estudio. "Los medicamentos que tenemos son pobres, y no ha habido un nuevo medicamento aprobado por la FDA en más de 15 años".
"Dicho esto, usted quiere que la ciencia proceda en paralelo", añadió. "No quieres esperar hasta que tengas un medicamento para empezar a hacer este tipo de investigación. Cuando el fármaco salga a la luz, quieres estar ya preparado con todo tipo de decisiones a su alrededor. Todavía hay trabajo por hacer, pero este es un buen primer paso".
Por su parte, Iturria-Medina cree que la investigación abre la puerta a estrategias de tratamiento específicas para el paciente.
"Veo que esto tiene fuertes implicaciones potenciales para lo que se llama tratamientos personalizados dinámicos, que nos permiten ajustar continuamente el tratamiento basado en cómo responde el paciente", explicó. "Porque la forma en que un paciente responde al tratamiento no siempre se refleja en los datos clínicos; por eso los indicadores moleculares son tan prometedores".
Iturria-Medina y Bennett no han revelado ninguna relación financiera relevante. El estudio fue financiado por la Iniciativa Cerebros Saludables para Vidas Saludables de la Universidad McGill, el Centro Ludmer de Neuroinformática y Salud Mental, la Fundación Cerebro Canadá y el Ministerio de Salud de Canadá.