La IA identifica factores específicos de género en la predicción de Alzheimer y Parkinson

Un estudio coordinado por el Cnr-Istc [Consejo Nacional de Investigaciones - Instituto de Ciencias y Tecnologías Cognitivas] utilizó el aprendizaje automático para analizar pruebas neuropsicológicas, neurofisiológicas y genéticas, teniendo en cuenta el sexo, para predecir la aparición de la enfermedad de Alzheimer y Parkinson. La investigación tiene como objetivo establecer una base para enfoques diagnósticos específicos por género en la práctica clínica. Los hallazgos se publican en el Journal of the Neurological Sciences. El estudio, coordinado por el Cnr-Istc [Consejo Nacional de Investigaciones - Instituto de Ciencias y Tecnologías Cognitivas] en Roma, empleó Inteligencia Artificial (IA) para identificar factores clave para el diagnóstico temprano en hombres y mujeres. Una muestra mixta de individuos sanos y afectados se sometió a pruebas neuropsicológicas, recolección de datos neurofisiológicos y análisis genéticos. El algoritmo de IA luego identificó y diferenció los principales factores predictivos asociados con la aparición de ambas enfermedades según el sexo. La investigación, que involucra al Area di Ricerca Milano 4 del Cnr [Consejo Nacional de Investigaciones], Fondazione Mondino, Università di Pavia, Fondazione Santa Lucia IRCCS, Università di Roma Sapienza y Tor Vergata, y AI2Life s.r.l., publicó los resultados en dos artículos del Journal of the Neurological Sciences. Estos artículos detallan el rendimiento del modelo de aprendizaje automático en la predicción de Alzheimer y Parkinson. Daniele Caligiore, Director de Investigación en Cnr-Istc [Consejo Nacional de Investigaciones - Instituto de Ciencias y Tecnologías Cognitivas] y Director de la Advanced School in Artificial Intelligence (AS-AI), declaró: "La novedad del estudio radica en su enfoque integrado, consistente con la teoría de que tanto el Alzheimer como el Parkinson podrían ser manifestaciones de una sola enfermedad, denominada Síndrome Neurodegenerativo del Anciano (NES)." El algoritmo de IA analizó las diferencias entre pacientes sanos y enfermos, independientemente del sexo, utilizando el aprendizaje automático explicable para aumentar la confiabilidad y promover la adopción médica. Para el Alzheimer, el algoritmo analizó pruebas neuropsicológicas que estiman la probabilidad de la enfermedad según el sexo, utilizando parámetros como la memoria, la orientación, la atención y el lenguaje (MMSE [Mini-Mental State Examination]); memoria verbal a corto plazo (AVTOT [Auditory-Verbal Test]); y memoria episódica a largo plazo (LDELTOTAL [Long-Delay Free Recall Total]). El investigador señaló: "El sistema de aprendizaje automático muestra que MMSE es un predictor más efectivo en mujeres, mientras que en hombres es esencial para el monitoreo a largo plazo. LDELTOTAL es más predictivo en mujeres, mientras que AVTOT es más relevante en hombres. El nivel de educación también impacta de manera diferente el riesgo de Alzheimer, con mujeres que enfrentan un mayor riesgo." El modelo de investigación de Parkinson identificó características clave neuropsicológicas, genéticas y físicas relacionadas con la aparición de la enfermedad. La rigidez muscular y las disfunciones del sistema nervioso autónomo son los principales predictores para los hombres, mientras que las disfunciones urinarias son más relevantes para las mujeres. La edad y los antecedentes familiares también fueron predictores significativos, con un mayor impacto en los hombres. La fluidez semántica verbal (SFT [Semantic Fluency Test]) y la variante genética SNCA-rs356181, relacionada con el gen de la alfa-sinucleína, fueron más relevantes en los hombres. Caligiore declaró: "Estos resultados resaltan la importancia de integrar enfoques diagnósticos específicos por género para mejorar el manejo del Alzheimer y el Parkinson. La investigación futura refinará las pruebas neuropsicológicas y los biomarcadores predictivos, centrándose en el sexo para apoyar tratamientos personalizados." Agregó: "Nuestro estudio demuestra cómo la IA puede apoyar eficazmente la medicina combinando características individuales con una visión sistémica, integrando datos específicos del paciente para predecir la aparición de la enfermedad, monitorear la progresión y ofrecer tratamientos dirigidos."