La investigación realizada por el grupo de Investigación Traslacional en Enfermedades Neurológicas (ITEN) del IDIS y el IIS Galicia ha logrado desarrollar un modelo de Inteligencia Artificial capaz de predecir la evolución de pacientes con esclerosis múltiple a 10 años con una certeza de casi el 90%. Este logro se basa en el análisis de 446 registros de pacientes con al menos un año de seguimiento, utilizando datos de resonancia magnética inicial (MRI) y evaluaciones clínicas mediante la ‘Escala ampliada del estado de discapacidad’.
El estudio, publicado en ‘Plos One’, propone nuevos modelos de aprendizaje automático que permiten describir la progresión de los pacientes y predecir sus trayectorias. Además, estos modelos brindan insights sobre los factores que contribuyen a dicha evolución, como la edad de debut o las lesiones cerebrales.
Implicaciones en Salud, Calidad de Vida y Desarrollo
Los resultados de esta investigación tienen un impacto significativo, no solo en términos científico-técnicos, sino también económicos y sociales, gracias a sus implicaciones en salud, calidad de vida y cooperación al desarrollo. Según el investigador del IDIS, Roberto Agís, este trabajo «podría obtener evidencia objetiva e indicadores sobre las intervenciones de prevención que ayudarán a predecir la eficacia terapéutica de los tratamientos».
La esclerosis múltiple (EM) es una enfermedad inflamatoria y neurodegenerativa crónica que provoca desmielinización y acumulación de discapacidad a largo plazo. Aunque se desconoce la causa que desencadena la enfermedad, se cree que existe una interacción entre genes y factores de riesgo ambientales, virales y de estilo de vida.
Avances en el Tratamiento de la Esclerosis Múltiple
Según el equipo investigador, el estudio con Inteligencia Artificial (IA) es capaz de proporcionar herramientas versátiles y poderosas para el tratamiento de la EM. Tecnologías como el aprendizaje profundo y el aprendizaje automático podrían respaldar la integración de factores biológicos, psicológicos y sociales al abordar la prevención, el diagnóstico y el tratamiento de la EM, e incluso de otras enfermedades.
Actualmente, la toma de decisiones terapéuticas en la EM se basa en la integración de variables demográficas, clínicas y paraclínicas de los pacientes, como las imágenes de resonancia y la presencia de bandas oligoclonales. Sin embargo, el investigador Jose María Prieto, líder del grupo ITEN del IDIS, señala que «todavía existen muchos desafíos abiertos en este ámbito y las mejoras provienen de varias líneas de convergencia, como la integración de conjuntos de datos que pueden mejorar la personalización y la capacidad predictiva de los algoritmos de IA en el cuidado de la salud».
