La información recopilada de las visitas de rutina al médico es suficiente para predecir con precisión el riesgo de una persona de desarrollar enfermedad de Alzheimer y demencias relacionadas, según una nueva investigación dirigida por científicos del Instituto Regenstrief, la Universidad de Indiana y Merck. Los investigadores desarrollaron y probaron algoritmos de aprendizaje automáticousando datos de registros médicos electrónicos para identificar pacientes que pueden estar en riesgo de desarrollar la demencia.
Al menos el 50 por ciento de los pacientes mayores de atención primaria que viven con la enfermedad de Alzheimer y demencias relacionadas nunca reciben un diagnóstico. Y muchos más viven con síntomas de dos a cinco años antes de ser diagnosticados. Actualmente, las pruebas para detectar el riesgo de demencia son invasivas, tiempo-consumidor y costoso.
"Lo mejor de este método es que es pasivo y proporciona una precisión similar a las pruebas más intrusivas que se usan actualmente", dijo el investigador principal Malaz Boustani, MD, MPH, científico investigador del Instituto Regenstrief y profesor deIndiana University School of Medicine. "Esta es una solución escalable y de bajo costo que puede proporcionar un beneficio sustancial a los pacientes y sus familias al ayudarlos a prepararse para la posibilidad de vivir con demencia y permitirles tomar medidas".
Desarrollo de algoritmos de aprendizaje automático para predecir la demencia
El equipo de investigación, que también incluía científicos del estado de Georgia, el Colegio de Medicina Albert Einstein y el Grupo de Investigación Sólido, recientemente publicó sus hallazgos sobre dos enfoques diferentes de aprendizaje automático. El artículo publicado en el Revista de la Sociedad Americana de Geriatría analizó los resultados de un algoritmo de procesamiento del lenguaje natural, que aprende las reglas mediante el análisis de ejemplos, y el Inteligencia artificial en medicina el artículo compartió los resultados de un modelo forestal aleatorio, que se construyó utilizando un conjunto de árboles de decisión. Ambos métodos mostraron una precisión similar al predecir el inicio de la demencia dentro de uno y tres años después del diagnóstico.
Para entrenar los algoritmos, los investigadores reunieron datos sobre pacientes de la Red de Indiana para Atención al Paciente. Los modelos utilizaron información sobre prescripciones y diagnósticos, que son campos estructurados, así como notas médicas, que son texto libre, para predecir elaparición de la demencia. Los investigadores descubrieron que las notas de texto libre eran las más valiosas para ayudar a identificar a las personas en riesgo de desarrollar la enfermedad.
"Esta investigación es emocionante porque potencialmente proporciona un beneficio significativo para los pacientes y sus familias", dijo Patrick Monahan, PhD, autor del estudio de la Facultad de Medicina de IU y científico afiliado de Regenstrief. "Los médicos pueden brindar educación sobre el comportamiento y los hábitos para ayudarlos pacientes hacen frente a sus síntomas y viven una mejor calidad de vida "
Zina Ben Miled, PhD, MS, autora del estudio de la Facultad de Ingeniería y Tecnología de Purdue en IUPUI y científica afiliada a Regenstrief, dijo: "La identificación temprana de riesgos permite que los médicos y las familias establezcan un plan de atención. Sé por experiencia lo difícil que puede ser lidiar con un diagnóstico de demencia. La ventana que brinda esta prueba es tan importante para ayudar a mejorar la calidad de vida de los pacientes y sus familias ".
Además del beneficio para las familias, estos métodos también pueden proporcionar importantes ahorros de costos para los pacientes y los sistemas de salud. Reemplazan la necesidad de pruebas costosas y permiten a los médicos evaluar a poblaciones enteras para identificar a las personas con mayor riesgo. Retrasar la aparición de los síntomastambién ahorra una cantidad significativa de dinero en tratamiento.
El siguiente paso es implementar estos algoritmos de aprendizaje automático en clínicas de la vida real para probar si ayudan a identificar más casos verdaderos de demencia, así como para aprender cómo impactan la disposición del paciente para hacer un seguimiento de los resultados.
Fuente de la historia :
Materiales proporcionado por Instituto Regenstrief . Nota: El contenido puede ser editado por estilo y longitud.
Referencias de revistas :
Cita esta página :