Científicos desarrollaron una herramienta de inteligencia artificial (IA) que podría detectar la enfermedad de Parkinson en etapas tempranas, de hecho sin que aparezcan los primeros síntomas y cuando esta no está relacionada con un historial genético.
Investigadores de la Universidad de Nueva Gales del Sur (UNSW ) de Sydney y la Universidad de Boston, explicaron en el documento cómo usaron redes neuronales para analizar biomarcadores en los fluidos corporales de los pacientes. Durante el estudio examinaron muestras de sangre extraídas de individuos sanos recogidas por la Investigación Prospectiva Europea Española sobre el Cáncer y la Nutrición (EPIC) y que después de 15 años desarrollaron parkinson.
De las muestras recogidas, los científicos se centraron en 39 personas, que fueron ejecutadas en un programa de aprendizaje automático sobre conjuntos de datos que contenían información extensa sobre metabolitos, los compuestos químicos que el cuerpo crea al descomponer alimentos, medicamentos o sustancias químicas.
La investigadora de la UNSW, Diana Zhang explicó que desarrolló una herramienta de aprendizaje automático llamada CRANK-MS, que significa Clasificación y análisis de clasificación utilizando redes neuronales que generan conocimiento a partir de espectrometría de masas.
“El método más común para analizar datos de metabolómica es a través de enfoques estadísticos. Entonces, para determinar qué metabolitos son más importantes para la enfermedad en comparación con los grupos de control, los investigadores generalmente observan las correlaciones que involucran moléculas específicas”, señala Zhang.
“Pero aquí tenemos en cuenta que los metabolitos pueden tener asociaciones con otros metabolitos, que es donde entra en juego el aprendizaje automático. Con cientos o miles de metabolitos, hemos utilizado el poder computacional para entender lo que está pasando”.
Te puede interesar: Bioimpresora imprime en 3D células vivas directamente en órganos internos
Por su parte el profesor asociado Alexander Donald, quien también hizo parte del desarrollo de la IA, comentó que por lo general los investigadores que utilizan el aprendizaje automático para examinar las correlaciones entre los metabolitos y la enfermedad primero reducen la cantidad de características químicas, antes de introducirlas en el algoritmo”.
No obstante para esta investigación lo que hicieron fue ingresar toda la información en CRANK-MS sin ninguna reducción de datos desde el principio. “A partir de eso, podemos obtener la predicción del modelo e identificar qué metabolitos impulsan más la predicción, todo en un solo paso. Significa que si hay metabolitos que podrían haberse pasado por alto con los enfoques convencionales, ahora podemos recuperarlos”.
Este avance y desarrollo de la tecnología es muy importante, ya que en la actualidad la enfermedad de Parkinson se diagnostica mediante la observación de síntomas físicos como el temblor de la mano en reposo.
Por ejemplo, en actualidad no existen pruebas de sangre o de laboratorio para diagnosticar casos no genéticos de la misma. Pero los síntomas atípicos como el trastorno del sueño y la apatía pueden presentarse en personas con Parkinson décadas antes de que aparezcan los síntomas motores. CRANK-MS, por lo tanto, podría usarse ante el primer signo de estos síntomas atípicos para descartar o descartar el riesgo de desarrollar Parkinson en el futuro.
Te puede interesar: Nuevo dispositivo tecnológico detecta cáncer con muestra de sangre
Por ahora, los investigadores son conscientes de que se necesitan estudios de validación utilizando cohortes mucho más grandes y realizados en múltiples partes del mundo antes de que la herramienta pueda usarse de manera confiable.
No obstante, en la cohorte limitada examinada para este estudio, los resultados fueron prometedores, con CRANK-MS capaz de analizar las sustancias químicas que se encuentran en la sangre para detectar la enfermedad de Parkinson con una precisión de hasta el 96 por ciento.
CRANK-MS es una herramienta que está disponible públicamente para cualquier investigador que desee utilizar el aprendizaje automático para el diagnóstico de enfermedades utilizando datos de metabolómica.
“Hemos construido el modelo de tal manera que se ajuste a su propósito. (…) La herramienta es fácil de usar y, en promedio, los resultados se pueden generar en menos de 10 minutos en una computadora portátil convencional”, puntualizó Zhang.
Imagen: Vladyslav Otsiatsia
