Los modelos de aprendizaje automático pueden informar de manera confiable a los médicos sobre la progresión de la discapacidad de la esclerosis múltiple (EM), según un nuevo estudio publicado en la revista de acceso abierto PLOS Digital Health por Edward De Brouwer de KU Leuven, Bélgica.
En el nuevo estudio, De Brouwer y su equipo utilizaron datos de 15.240 adultos con al menos tres años de historia de EM que estaban siendo tratados en 146 centros de EM en 40 países.
PUBLICIDAD
Los datos de dos años de progresión de la enfermedad de cada paciente se utilizaron para entrenar modelos de aprendizaje automático de última generación para predecir la probabilidad de progresión de la enfermedad en los meses y años posteriores. Los modelos se entrenaron y validaron utilizando estrictas pautas clínicas, lo que promueve la aplicabilidad de los modelos en la práctica clínica.
El estudio encontró que el historial de progresión de la discapacidad era más predictivo de la progresión futura de la discapacidad que el historial de tratamiento o recaída.
Los autores concluyen que los modelos desarrollados en el estudio tienen el potencial de mejorar enormemente la planificación para personas con EM y podrían evaluarse en un estudio de impacto clínico.
De Brouwer argumenta: "Utilizando el historial clínico de más de 15.000 personas con esclerosis múltiple, hemos entrenado un modelo de aprendizaje automático capaz de predecir de forma fiable la probabilidad de progresión de la discapacidad en los próximos dos años.
El modelo solo utiliza variables clínicas recopiladas de forma rutinaria, lo que lo hace ampliamente aplicable. Nuestra rigurosa evaluación comparativa y validación externa respaldan el enorme potencial de los modelos de aprendizaje automático para ayudar a los pacientes a planificar sus vidas y a los médicos a optimizar las estrategias de tratamiento".
PUBLICIDAD
