Investigadores de iHEALTH desarrollan modelo de inteligencia artificial para anticipar riesgo de Enfermedad de Alzheimer
El desarrollo combina resonancias magnéticas y técnicas de inteligencia artificial explicable para anticipar el riesgo de la enfermedad y facilitar intervenciones tempranas.
Un equipo de la Universidad de Chile y el Instituto Milenio en Ingeniería e Inteligencia Artificial para la Salud (iHEALTH) logró identificar con alta precisión a personas con quejas cognitivas leves que posteriormente desarrollaron Enfermedad de Alzheimer, utilizando un modelo de inteligencia artificial que analiza múltiples tipos de resonancias magnéticas cerebrales.
El estudio, liderado por Jhon Intriago, estudiante de Doctorado en Ingeniería Eléctrica, bajo la dirección del Dr. Pablo Estévez, profesor de la U. de Chile e investigador de iHEALTH, la Dra. Cecilia Okuma, neurorradióloga del Instituto de Neurocirugía Dr. Alfonso Asenjo e investigadora adjunta de iHEALTH y la Dra. Andrea Slachevsky, investigadora principal de GERO. Este trabajo representa un avance significativo en la detección temprana de esta enfermedad que afecta a más de 200.000 chilenos.
Resultados concretos en población chilena
La investigación aplicó el modelo de IA en 158 personas con quejas cognitivas (preocupaciones por pérdida leve de memoria) pertenecientes a un grupo de seguimiento del Centro de Gerociencia, Salud Mental y Metabolismo (GERO), donde se monitorea a los participantes durante años para estudiar su evolución. Los resultados mostraron que el algoritmo identificó correctamente a 6 de los 7 pacientes que posteriormente desarrollaron Alzheimer, superando la efectividad de los biomarcadores de plasma tradicionalmente utilizados en clínica.
"Este es el primer estudio que integra herramientas como el aprendizaje multimodal fuera de distribución con IA explicable para identificar posibles biomarcadores tempranos de Alzheimer en personas con quejas cognitivas", destaca Intriago. La investigación combinó imágenes cerebrales obtenidas por resonancia magnética y diversos datos demográficos de pacientes para generar el modelo.
Tecnología que explica sus decisiones
Una innovación clave del trabajo es la incorporación de técnicas de IA explicable, que permiten identificar qué regiones cerebrales son más relevantes para el diagnóstico. El modelo detectó biomarcadores en áreas asociadas con la cognición, la acción y la percepción.
"La fusión de distintos tipos de datos mejora no sólo la precisión de la clasificación, sino también la identificación de biomarcadores tempranos", explica el Dr. Estévez. "Esto es crucial para ganar la confianza de los médicos y eventualmente integrar estas herramientas en la práctica clínica" agrega.
"La detección temprana del Alzheimer es fundamental porque podría permitir identificar tratamientos para cambiar o retrasar el curso natural del trastorno", señala Intriago. "Nuestro modelo sugiere que cerca del 10% de las personas que reportan problemas de memoria podrían estar en riesgo de desarrollar la enfermedad".
Los resultados ya fueron enviados a una revista científica internacional y representan un paso hacia la personalización de los enfoques de prevención e intervención temprana en Alzheimer, enfermedad que se proyecta como una de las principales causas de discapacidad en adultos mayores para las próximas décadas.
