<\/p>\n
Investigadores del Instituto Tecnol\u00f3gico de Massachusetts (Estados Unidos) han desarrollado un modelo de ‘machine learning’ que puede predecir hasta dos a\u00f1os antes c\u00f3mo de intenso ser\u00e1 el declive cognitivo de pacientes en riesgo de padecer la enfermedad de Alzheimer.<\/p>\n
El modelo, que se presentar\u00e1 esta semana en la conferencia ‘Machine Learning for Health Care’, podr\u00eda utilizarse para mejorar la selecci\u00f3n de los f\u00e1rmacos candidatos y las cohortes de participantes para los ensayos cl\u00ednicos, que hasta ahora han sido \u00abnotoriamente infructuosos\u00bb. Tambi\u00e9n les permitir\u00eda a los pacientes saber que pueden experimentar un r\u00e1pido declive cognitivo en los pr\u00f3ximos meses y a\u00f1os, para que ellos y sus seres queridos puedan prepararse.<\/p>\n
En su investigaci\u00f3n, los investigadores primero entrenaron un modelo de poblaci\u00f3n sobre un conjunto de datos que inclu\u00eda puntuaciones de pruebas cognitivas cl\u00ednicamente significativas y otros datos biom\u00e9tricos de pacientes con Alzheimer, y tambi\u00e9n de individuos sanos, recopilados entre las visitas bianuales al m\u00e9dico. A partir de los datos, el modelo aprende patrones que pueden ayudar a predecir la puntuaci\u00f3n de los pacientes en las pruebas cognitivas realizadas entre visitas.<\/p>\n
En los nuevos participantes, un segundo modelo, personalizado para cada paciente, actualiza continuamente las predicciones de puntuaci\u00f3n bas\u00e1ndose en los nuevos datos registrados, como la informaci\u00f3n recogida durante las visitas m\u00e1s recientes. Los experimentos indican que se pueden hacer predicciones precisas de cara al futuro a los seis, 12, 18 y 24 meses.<\/p>\n
Por lo tanto, los m\u00e9dicos podr\u00edan utilizar el modelo para ayudar a seleccionar a los participantes en riesgo para los ensayos cl\u00ednicos, que probablemente demuestren un r\u00e1pido declive cognitivo, posiblemente incluso antes de que aparezcan otros s\u00edntomas cl\u00ednicos. El tratamiento temprano de estos pacientes puede ayudar a los m\u00e9dicos a hacer un mejor seguimiento de los medicamentos antidemencia que est\u00e1n y no est\u00e1n funcionando.<\/p>\n
\u00abLa predicci\u00f3n precisa del declive cognitivo de seis a 24 meses es cr\u00edtica para el dise\u00f1o de ensayos cl\u00ednicos. Ser capaz de predecir con precisi\u00f3n los cambios cognitivos futuros puede reducir el n\u00famero de visitas que el participante tiene que hacer, lo que puede ser costoso y consumir mucho tiempo. Adem\u00e1s de ayudar a desarrollar un medicamento \u00fatil, el objetivo es ayudar a reducir los costos de los ensayos cl\u00ednicos para que sean m\u00e1s asequibles y se realicen a mayor escala\u00bb, asegura uno de los autores del modelo, Oggi Rudovic.<\/p>\n
<\/p>\n
<\/p>\n
Fuente: cope.es<\/p>\n","protected":false},"excerpt":{"rendered":"
Investigadores del Instituto Tecnológico de Massachusetts (Estados Unidos) han desarrollado un modelo de ‘machine learning’ que puede predecir hasta dos años antes cómo de intenso será el declive cognitivo<\/p>\n