Seg\u00fan la Organizaci\u00f3n Mundial de la Salud, alrededor de 55 millones de personas en todo el mundo viven con demencia. La forma m\u00e1s com\u00fan es la enfermedad de Alzheimer, una afecci\u00f3n incurable que provoca el deterioro de la funci\u00f3n cerebral.<\/p>\n\n\n\n
Adem\u00e1s de sus efectos f\u00edsicos, el Alzheimer causa ramificaciones psicol\u00f3gicas, sociales y econ\u00f3micas no s\u00f3lo para las personas que viven con la enfermedad, sino tambi\u00e9n para quienes las aman y cuidan. Debido a que sus s\u00edntomas empeoran con el tiempo, es importante que tanto los pacientes como sus cuidadores se preparen para la eventual necesidad de aumentar la cantidad de apoyo a medida que avanza la enfermedad.<\/p>\n\n\n\n
Con ese fin, investigadores de la Universidad de Texas en Arlington han creado un marco novedoso basado en el aprendizaje que ayudar\u00e1 a los pacientes de Alzheimer a identificar con precisi\u00f3n d\u00f3nde se encuentran dentro del espectro de desarrollo de la enfermedad. Esto les permitir\u00e1 predecir mejor el momento de las etapas posteriores, lo que facilitar\u00e1 la planificaci\u00f3n de la atenci\u00f3n futura a medida que avance la enfermedad.<\/p>\n\n\n\n
“Durante d\u00e9cadas, se han propuesto y evaluado una variedad de enfoques predictivos en t\u00e9rminos de la capacidad predictiva de la enfermedad de Alzheimer y su precursor, el deterioro cognitivo leve”, dijo Dajiang Zhu, profesor asociado de ciencias inform\u00e1ticas e ingenier\u00eda en la UTA. Es el autor principal de un nuevo art\u00edculo revisado por pares publicado en acceso abierto en Pharmacological Research. “Muchas de estas herramientas de predicci\u00f3n anteriores pasaron por alto la naturaleza continua de c\u00f3mo se desarrolla la enfermedad de Alzheimer y las etapas de transici\u00f3n de la enfermedad”.<\/p>\n\n\n\n
El laboratorio de investigaci\u00f3n de im\u00e1genes m\u00e9dicas y descubrimiento neurocient\u00edfico de Zhu y Li Wang, profesor asociado de matem\u00e1ticas de la UTA, desarrollaron un nuevo marco de integraci\u00f3n basado en el aprendizaje que codifica las diversas etapas del desarrollo de la enfermedad de Alzheimer en un proceso que llaman “\u00e1rbol de inclusi\u00f3n de enfermedades” o DETree. Utilizando este marco, DETree no s\u00f3lo puede predecir cualquiera de los cinco grupos cl\u00ednicos detallados del desarrollo de la enfermedad de Alzheimer de manera eficiente y precisa, sino que tambi\u00e9n puede proporcionar informaci\u00f3n de estado m\u00e1s detallada al proyectar en qu\u00e9 lugar dentro de \u00e9l estar\u00e1 el paciente a medida que avanza la enfermedad.<\/p>\n\n\n\n
Para probar su marco DETree, los investigadores utilizaron datos de 266 personas con enfermedad de Alzheimer de la Iniciativa multic\u00e9ntrica de Neuroimagen de la Enfermedad de Alzheimer. Los resultados de la estrategia DETree se compararon con otros m\u00e9todos ampliamente utilizados para predecir la progresi\u00f3n de la enfermedad de Alzheimer y el experimento se repiti\u00f3 varias veces utilizando m\u00e9todos de aprendizaje autom\u00e1tico para validar la t\u00e9cnica.<\/p>\n\n\n\n
“Sabemos que las personas que viven con la enfermedad de Alzheimer a menudo desarrollan s\u00edntomas que empeoran a ritmos muy diferentes”, dijo Zhu. “Nos alienta que nuestro nuevo marco sea m\u00e1s preciso que los otros modelos de predicci\u00f3n disponibles, lo que esperamos ayude a los pacientes y sus familias a planificar mejor las incertidumbres de esta enfermedad complicada y devastadora”.<\/p>\n\n\n\n
\u00c9l y su equipo creen que el marco DETree tiene el potencial de ayudar a predecir la progresi\u00f3n de otras enfermedades que tienen m\u00faltiples etapas cl\u00ednicas de desarrollo, como la enfermedad de Parkinson, la enfermedad de Huntington y la enfermedad de Creutzfeldt-Jakob.<\/p>\n\n\n\n