Investigadores de la Universidad de Texas en Arlington (EEUU) han creado un marco novedoso basado en el aprendizaje que ayudará a los pacientes de Alzheimer a identificar con precisión dónde se encuentran dentro del espectro de desarrollo de la enfermedad; esto les permitirá predecir mejor el momento de las etapas posteriores, lo que facilitará la planificación de la atención futura a medida que avance la enfermedad.
Según la Organización Mundial de la Salud, alrededor de 55 millones de personas en todo el mundo viven con demencia. La forma más común es la enfermedad de Alzheimer, una afección incurable que provoca el deterioro de la función cerebral.
Además de sus efectos físicos, el Alzheimer causa ramificaciones psicológicas, sociales y económicas no sólo para las personas que viven con la enfermedad, sino también para quienes las aman y cuidan. Debido a que sus síntomas empeoran con el tiempo, es importante que tanto los pacientes como sus cuidadores se preparen para la eventual necesidad de aumentar la cantidad de apoyo a medida que avanza la enfermedad.
"Durante décadas, se han propuesto y evaluado una variedad de enfoques predictivos en términos de la capacidad predictiva de la enfermedad de Alzheimer y su precursor, el deterioro cognitivo leve.
Muchas de estas herramientas de predicción anteriores pasaron por alto la naturaleza continua de cómo se desarrolla la enfermedad de Alzheimer y las etapas de transición de la enfermedad", afirma Dajiang Zhu, profesor asociado de ciencias informáticas e ingeniería en la UTA.
Los Institutos Nacionales de Salud y el Instituto Nacional sobre el Envejecimiento, el laboratorio de investigación de Descubrimiento Neurocientífico y de Imágenes Médicas de Zhu y Li Wang, profesor asociado de matemáticas de la UTA, desarrollaron un nuevo marco de integración basado en el aprendizaje que codifica las diversas etapas del desarrollo de la enfermedad de Alzheimer en un proceso que llaman "árbol de incrustación de enfermedades" o DETree.
Utilizando este marco, DETree no sólo puede predecir cualquiera de los cinco grupos clínicos detallados del desarrollo de la enfermedad de Alzheimer de manera eficiente y precisa, sino que también puede proporcionar información de estado más detallada al proyectar en qué lugar dentro de él estará el paciente a medida que avanza la enfermedad.
Para probar su marco DETree, los investigadores, que han puvlicado el estudio en 'Pharmacological Research', utilizaron datos de 266 personas con enfermedad de Alzheimer de la Iniciativa multicéntrica de Neuroimagen de la Enfermedad de Alzheimer. Los resultados de la estrategia DETree se compararon con otros métodos ampliamente utilizados para predecir la progresión de la enfermedad de Alzheimer y el experimento se repitió varias veces utilizando métodos de aprendizaje automático para validar la técnica.
"Sabemos que las personas que viven con la enfermedad de Alzheimer a menudo desarrollan síntomas que empeoran a ritmos muy diferentes. Nos alienta que nuestro nuevo marco sea más preciso que los otros modelos de predicción disponibles, lo que esperamos ayude a los pacientes y sus familias a planificar mejor las incertidumbres de esta enfermedad complicada y devastadora", manifiesta Zhu.
Él y su equipo creen que el marco DETree tiene el potencial de ayudar a predecir la progresión de otras enfermedades que tienen múltiples etapas clínicas de desarrollo, como la enfermedad de Parkinson, la enfermedad de Huntington y la enfermedad de Creutzfeldt-Jakob.
