Esto se ha hecho a través de la primera resonancia magnética hecha a los pacientes que se han extraído del Servicio de Neurología de Hospital Clínico de Santiago de Compostela. El estudio empleó 446 registros de afectados con al menos un año de seguimiento para hacer el análisis. Utilizaron los datos de las resonancias magnéticas basales o iniciales (MRI), y evaluaciones clínicas usando la 'Escala ampliada del estado de discapacidad', para así determinar la eficacia de este modelo de aprendizaje automático capaz de predecir la progresión de la discapacidad en pacientes con esclerosis múltiple (EM).
La esclerosis múltiple es una enfermedad neurodegenarativa e inflamatoria que genera desmielinización y acumulación de discapacidad a largo plazo. Se desconocen las causas que desencadena la enfermedad.
Con estos programas de IA, usando descriptores, propone un nuevo modelo para describir la progresión de los pacientes, y ofrece una idea de los factores que contribuyen a esa evolución, como la edad o las lesiones, según explica Silvia Campanioni, principal autora del estudio.
Así, la investigación permitirá optimizar la posología de los tratamientos, es decir, la dosis y duración de los tratamientos, de esclerosis múltiple, optimizar su aplicación y mejorar la trayectoria con el uso de predictores ML personalizados.
Los resultados
La variable más influyente para la decisión del modelo clasificador fue el número de lesiones cerebrales mayores o iguales a nueve en la resonancia magnética inicial. La edad de debut fue una de las características más relevantes en los modelos regresores desarrollados.
Los datos obtenidos muestran que la IA puede proporcionar herramientas versátiles y poderosas para el tratamiento de EM. Las decisiones terapéuticas sobre la EM siguen basándose en la integración de las mismas variables demográficas, clínicas y paraclínicas de hace años.
Para Jose María Prieto, líder del grupo ITEN, la evolución en este ámbito proviene de varios puntos, como la integración de conjuntos de datos que pueden mejorar la personalización y la capacidad predictiva de los algoritmos de IA en el cuidado de la salud.
