La esclerosis múltiple (EM) es una enfermedad inflamatoria y neurodegenerativa crónica que provoca desmielinización y acumulación de discapacidad a largo plazo. La activación autorreactiva de la inmunidad adaptativa tiene un papel protagonista en la EM. Aunque se desconoce la causa que desencadena la enfermedad, todo apunta a una interacción entre genes y factores de riesgo ambientales, virales y de estilo de vida.
Un estudio realizado por el grupo de Investigación Traslacional en Enfermedades Neurológicas (ITEN) del IDIS, junto con el IIS Galicia ha revelado que, a través de datos de la primera resonancia magnética de pacientes con esclerosis múltiple extraídos del Servicio de Neurología del Hospital Clínico de Santiago de Compostela, utilizar Inteligencia Artificial para predecir la evolución de estos pacientes a 10 años es una manera muy precisa, con una certeza de casi el 90%.
Esta investigación, que ha sido publicada en 'Plos One', analizó en total 446 registros de afectados con al menos un año de seguimiento. Además, este modelo de aprendizaje automático predice la progresión de la discapacidad en pacientes con EM utilizando datos de resonancia magnética basal o inicial (MRI) y evaluaciones clínicas usando la 'Escala ampliada del estado de discapacidad'.
La esclerosis múltiple es una enfermedad inflamatoria y neurodegenerativa crónica que provoca desmielinización y acumulación de discapacidad a largo plazo
"El trabajo propone nuevos modelos para describir la progresión de los pacientes con programas de IA que predicen sus trayectorias usando estos descriptores, y además, nos ofrece una idea de qué factores contribuyen a dicha evolución, como la edad de debut o las lesiones", explica la primera autora del trabajo, Silvia Campanioni.
De esta forma, la investigación permitirá optimizar la posología de los tratamientos de esclerosis múltiple, en cuanto a dosis y duración del tratamiento, así como optimizar su aplicación en función del perfil de cada paciente o tratamientos, al mismo tiempo que se mejora la trayectoria mediante el uso de predictores de ML personalizados.
En cuanto a los resultados más destacables, el estudio ha identificado que la "edad de debut" es una de las características más influyentes para los modelos regresores desarrollados. Además, el número de lesiones cerebrales mayores o iguales a nueve en la resonancia magnética inicial emergió como la variable más influyente en las decisiones del modelo clasificador.
Roberto Agís: "El trabajo tiene un impacto significativo, no solo en términos científico-técnicos, sino también económico y social"
"El trabajo tiene un impacto significativo, no solo en términos científico-técnicos, sino también económico y social, por sus implicaciones en salud, calidad de vida y cooperación al desarrollo", señala Roberto Agís, investigado del IDIS y último autor del proyecto. "Podríamos obtener evidencia objetiva e indicaciones sobre las intervenciones de prevención que ayudarán a predecir la eficacia terapéutica de los tratamientos", añade.
Según los datos obtenidos por el equipo investigador, el estudio con inteligencia artificial (IA) es capaz de proporcionar herramientas versátiles y poderosas para el tratamiento de la EM. "Las tecnologías de IA como el aprendizaje profundo y al aprendizaje automático podrían respaldar la integración de factores biológicos, psicológicos y sociales al abordar la prevención, el diagnóstico y el tratamiento de la EM, incluso otras enfermedades", explica César Veiga.
La toma de decisiones terapéuticas en la EM sigue basándose en la integración de las mismas variables demográficas, clínicas, paraclínicas de los pacientes de hace años, como las imágenes de resonancia y la presencia de bandas oligoclonales. "Todavía existen muchos desafíos abiertos en este ámbito y las mejoras provienen de varias líneas de convergencia, como, por ejemplo, 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", señala el líder del grupo ITEN del IDIS, Jose María Prieto.