Traducido por Daniela Hurtado
MACHINE LEARNING E INTELIGENCIA ARTIFICIAL APLICADA EN LA ENFERMEDAD DEL ALZHEIMER
El aprendizaje automático y la inteligencia artificial (IA) han revolucionado muchas industrias y pueden transformar la atención de la enfermedad de Alzheimer y otras afecciones crónicas. Las técnicas modernas de machine learning requieren el acceso a grandes cantidades de datos de pacientes, para la enfermedad de Alzheimer se podrían identificar nuevos marcadores de riesgo, predecir la enfermedad para ayudar a los médicos a intervenir antes, modelar la progresión de la enfermedad e incluso sugerir intervenciones médicas de precisión. Aunque la adopción del aprendizaje automático o machine learning para respaldar las decisiones clínicas en la enfermedad de Alzheimer está en etapa inicial, esta área tiene grandes promesas, especialmente considerando la reciente aprobación de Aduhelm (aducanumab) por parte de la FDA de EE. UU., El primer fármaco aprobado para tratar a personas con la enfermedad de Alzheimer.
En la actualidad, existen varios estudios de investigación que involucran el uso de aprendizaje automático, procesamiento de imágenes y aprendizaje estadístico con exploraciones PET amiloide, exploraciones PET FDG y exploraciones 3D MRI de grandes cohortes como la iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI). Las aplicaciones potenciales incluyen la detección temprana, la clasificación del diagnóstico y la estadificación, la predicción de la enfermedad y el diagnóstico diferencial. Las técnicas de segmentación cerebral basadas en el aprendizaje profundo y las técnicas de cuantificación de hiperintensidad de la materia blanca son prometedoras para el diagnóstico temprano. Aunque gran parte de esta investigación toma la forma de análisis retrospectivos, un número cada vez mayor de ensayos clínicos utilizan el aprendizaje automático junto con lecturas de imágenes para reducir la carga de los radiólogos, tanto para identificar candidatos para ensayos clínicos como para detectar y cuantificar marcadores sustitutos.
Además de la placa, la acumulación anormal de proteína tau (detectada mediante trazadores, como MK6240) se ha asociado con neurodegeneración y deterioro cognitivo. El uso del aprendizaje automático para detectar la carga de tau cerebral a través de imágenes de tau en vivo, combinadas con imágenes de amiloide y resonancia magnética, puede proporcionar biomarcadores clínicos y de investigación en un enfoque holístico para respaldar el diagnóstico diferencial. También permite monitorear automáticamente la progresión de la enfermedad e identificar candidatos para ensayos clínicos.
La reciente aprobación de Aduhelm por parte de la FDA para tratar a personas con enfermedad de Alzheimer debería acelerar la adopción clínica del aprendizaje automático para la enfermedad de Alzheimer. Aduhelm es el primer tratamiento aprobado dirigido a la fisiopatología subyacente de la enfermedad de Alzheimer, tomando en cuenta la presencia de placas de beta amiloide en el cerebro. Los ensayos clínicos han demostrado una reducción en estas placas, y la expectativa de la FDA es que Aduhelm conducirá a una reducción en el declive clínico de las personas con EA. El protocolo actual exige una exploración con amiloide (o punción lumbar) para detectar la presencia de placa amiloide antes de iniciar el tratamiento. Además, el tratamiento debe ir precedido de una resonancia magnética de referencia dentro de un año antes del tratamiento y dos exploraciones adicionales antes de las sucesivas infusiones.
A medida que esta terapia se implemente en la población con enfermedad de Alzheimer, habrá una gran oportunidad para que el aprendizaje automático o inteligencia artificial ayude a los radiólogos a través de un software de diagnóstico asistido por computadora para detectar la presencia del amiloide. La inteligencia artificial también puede ayudar a rastrear la progresión del criterio de valoración clínico intermedio (carga de placa) recopilar datos para determinar el impacto de la terapia en otros criterios de valoración sustitutos (por ejemplo, la acumulación de tau) y eventualmente respaldar el vínculo potencial del tratamiento con la disminución del deterioro cognitivo (a su vez, medido por diagnósticos digitales basados en IA).
Un estudio reciente identificó cuatro trayectorias diferentes de la deposición de tau en personas con enfermedad de Alzheimer. Esto es particularmente relevante para el desarrollo de nuevas terapias considerando que las enfermedades de la sangre se consideraban incurables hace sólo un siglo; hoy en día, se subdividen en decenas de leucemias y linfomas, muchos de los cuales pueden curarse por completo si se detectan a tiempo. De manera similar, uno puede imaginar un futuro en el que la enfermedad de Alzheimer, en lugar de tratarse como una única condición monolítica con progresión inevitable, se subdivide en diferentes subtipos, cada uno con diferentes pronósticos y vías de tratamiento. El Machine Learning genera grupos basados en el aprendizaje y los métodos de aprendizaje no supervisados que analizan imágenes y datos clínicos que pueden ayudar a identificar automáticamente subtipos de enfermedad de Alzheimer cada vez más detallados con variaciones en la respuesta a la terapia.
A medida que Aduhelm y los futuros tratamientos de la enfermedad de Alzheimer se trasladen cada vez más a la práctica clínica, el aprendizaje automático puede desempeñar un papel más importante en la identificación proactiva y temprana de la enfermedad de Alzheimer, potencialmente incluso antes de la presentación de síntomas clínicos o evidencia de imágenes. Como ocurre con todas las enfermedades crónicas, cuanto antes sea la intervención, mayor será el beneficio potencial, probablemente no sea factible depender de la neuroimagen como la prueba primaria, si no que se podrían realizar exploraciones con amiloide en la población general a los 50 años para detectar signos de la enfermedad de Alzheimer en sus etapas iniciales. La inteligencia artificial puede servir como una herramienta inicial de detección contundente, aprovechando potencialmente los datos que no son de imágenes e incluso los datos genéticos para identificar a las personas con alto riesgo de padecer la enfermedad de Alzheimer en el futuro.
Estudios de investigación recientes han identificado varios biomarcadores emergentes basados en la sangre como posibles marcadores sustitutos de amiloide y tau en el cerebro. Estos biomarcadores son significativamente más baratos y convenientes en comparación con las alternativas de imagen. Estos biomarcadores sanguíneos, quizás combinados con los datos demográficos del paciente y la información potencialmente clínica, tienen el potencial de identificar a las personas con alto riesgo de progresión a la enfermedad de Alzheimer antes de que se presenten los síntomas y posiblemente incluso antes de la evidencia de imágenes. Un panel de biomarcadores sanguíneos basado en IA podría usarse para identificar pacientes para ensayos de nuevos fármacos y predecir el deterioro cognitivo futuro o posiblemente como prueba de detección.
Hay varios proyectos de investigación en curso sobre la enfermedad de Alzheimer que van más allá del análisis de neuroimágenes y datos de fluidos. Los estudios de investigación están investigando aplicaciones de inteligencia artificial o aprendizaje automático para analizar el habla grabada y el uso de palabras, predecir la progresión de DCL en la enfermedad de Alzheimer y predecir enfermedades futuras antes de los síntomas clínicos. Otros datos que se están investigando incluyen características sociodemográficas, puntajes de pruebas clínicas y neuropsicológicas, índices de riesgo cardiovascular, datos de expresión génica, vasculatura retiniana y datos de salud administrativa a gran escala.
Finalmente, la inteligencia artificial se puede utilizar dentro de herramientas interactivas y aplicaciones móviles o web. A medida que se desarrollan las pautas de tratamiento, existe un gran interés entre los médicos por aprovechar las herramientas de apoyo a la toma de decisiones clínicas, posiblemente a través de implementaciones basadas en la nube de estas pautas, que puedan orientar a los médicos (y a los pacientes) en la identificación temprana y el tratamiento de la enfermedad de Alzheimer. Varias empresas emergentes han desarrollado aplicaciones para consumidores y médicos, para realizar pruebas cognitivas. Esperamos que en la próxima década, los pacientes, los cuidadores e incluso los consumidores prescriban un número cada vez mayor de diagnósticos y terapias digitales para ayudar en el tratamiento de esta enfermedad.
Referencias:
Gauthier S, Rosa-Neto P, Morais JA, & Webster C. 2021. World Alzheimer Report 2021: Journey through the diagnosis of dementia. London, England: Alzheimer’s Disease International.
R Rao, B. Mathotaarachchi, S. & Reitermann, M. (2021). Machine learning and artificial intelligence for Alzheimer’s disease. ALZHEIMER’S DISEASE INTERNATIONAL | WORLD ALZHEIMER REPORT 2021. Tomado de https://deb67c4e-9d62-4cb6-a980-cd52089a93fe.filesusr.com/ugd/ac400e_dc84618c02c24260930e0418f7f06ba7.pdf
