Modelo de IA analiza datos de pacientes y diagnostica esclerosis múltiple con un 90 % de precisión

La esclerosis múltiple (EM) es una enfermedad inflamatoria crónica que afecta al sistema nervioso central. La mayoría de los pacientes experimentan inicialmente la forma recurrente-remitente (EMRR), caracterizada por períodos de exacerbación de los síntomas seguidos de estabilidad. Con el tiempo, muchos evolucionan hacia la forma secundaria progresiva (EMSP), donde los síntomas empeoran gradualmente sin interrupciones perceptibles. Identificar esta transición es crucial, ya que las dos formas de EM requieren diferentes enfoques terapéuticos.

Actualmente, el diagnóstico se realiza típicamente un promedio de tres años después del inicio de la transición, lo que puede resultar en que los pacientes reciban tratamientos que ya no son efectivos. Ahora, un nuevo modelo de inteligencia artificial (IA) puede predecir con un 90 % de certeza qué tipo de EM tiene un paciente. Este modelo aumenta la probabilidad de iniciar el tratamiento correcto con prontitud, lo que ayuda a ralentizar la progresión de la enfermedad.

El modelo de IA, desarrollado por investigadores de la Universidad de Uppsala (Uppsala, Suecia), sintetiza datos clínicos de más de 22.000 pacientes del Registro Sueco de Esclerosis Múltiple. El modelo se basa en datos recopilados rutinariamente durante las visitas médicas regulares, incluyendo pruebas neurológicas, resonancias magnéticas (RM) y tratamientos en curso. En un estudio publicado en la revusta Digital Medicine, el modelo logró identificar la transición a EM progresiva secundaria correctamente, o antes de lo registrado en el historial médico del paciente, en casi el 87 % de los casos, logrando una precisión general de alrededor del 90 %.

Para los pacientes, esto significa un diagnóstico más temprano, lo que permite ajustes oportunos en el tratamiento para ralentizar la progresión de la enfermedad. Esto también reduce la probabilidad de que los pacientes reciban medicamentos que ya no son efectivos. En el futuro, el modelo podría utilizarse para identificar candidatos adecuados para ensayos clínicos, lo que podría conducir a estrategias de tratamiento más efectivas y personalizadas.

“Al reconocer patrones de pacientes anteriores, el modelo puede determinar si un paciente presenta la forma recurrente-remitente o si la enfermedad ha evolucionado a EM secundaria progresiva”, explicó Kim Kultima, investigador del Departamento de Ciencias Médicas de la Universidad de Uppsala y líder del estudio. “La singularidad del modelo reside en que también indica su grado de confianza en cada evaluación individual. Esto significa que el médico sabrá la fiabilidad de la conclusión y la confianza de la IA en su evaluación”.

Enlaces relacionados:
Universidad de Uppsala