A través de una prueba de sangre, investigadores de IBM han logrado identificar valores que pueden diagnosticar el Alzheimer en cuadros muy tempranos, incluso con décadas de anticipación, utilizando algoritmos de Inteligencia Artificial.
La inteligencia artificial comienza a tomar fuerza como recurso de investigación en equipos científicos, debido a su capacidad para identificar patrones que el ser humano no logra detectar. En la salud, la implementación de este avance comienza a dar resultados significativos, y la detección temprana de enfermedades parece ser el nuevo norte médico en donde los algoritmos pueden señalar variables importantes.
Un grupo de investigadores de IBM ha aprovechado los poderes de aprendizaje automático para detectar marcadores biológicos asociados con el Alzheimer, y que permitan identificar patrones en personas que no evidencian síntomas aún con un análisis de sangre. Este marcador biológico, el péptido beta amiloide, cambia su concentración en el líquido cefalorraquídeo, de acuerdo con un estudio publicado en 2017, y ese cambio ocurre décadas antes de que aparezcan los primeros signos de la enfermedad. Las investigaciones señalan que las personas con una concentración anormal de este péptido tienen una probabilidad 2,5 veces mayor de desarrollar la enfermedad.
Desafortunadamente, la extracción del líquido espinal para realizar estas pruebas es altamente invasiva, costosa y no es ideal para un procedimiento de detección temprana. Lo que hicieron los científicos de IBM fue utilizar el aprendizaje automático para identificar las proteínas en la sangre que pueden predecir la concentración del biomarcador en el líquido cefalorraquídeo. La compañía dijo que es la primera vez que se usa la tecnología para ese propósito específico, aunque es probable que sigamos escuchando sobre el aprendizaje automático en el contexto de las enfermedades neurodegenerativas: IBM apunta a seguir utilizando la IA para ayudar a los científicos a comprender mejor las condiciones como el Alzheimer.
Los resultados apuntan a un 77% de efectividad en la predicción, pero aun estamos en las primeras etapas del estudio. Sin embargo, los científicos aun siguen probando estas herramientas para encontrar un patrón que ayude al desarrollo de una cura
Comparte esta noticia