La IA predice la evolución de pacientes de esclerosis múltiple con un 90% de certeza

La inteligencia artificial (IA) predice la evolución de los pacientes con esclerosis múltiple (EM) usando únicamente datos de la resonancia magnética inicial. Así lo revela un estudio publicado en la revista científica “Plos One” que investiga esta enfermedad mediante inteligencia artificial y en el que colaboran el grupo de Investigación Traslacional en Enfermedades Neurológicas del IDIS (Instituto de Investigación Sanitaria de Santiago) y el Instituto de Investigación Sanitaria Galicia Sur, de Vigo.

A través de datos de la primera resonancia magnética de pacientes con EM extraídos del Servicio de Neurología de Hospital Clínico de Santiago de Compostela, el programa emplea IA para predecir la evolución de estos pacientes a 10 años de una manera muy precisa, con una certeza de casi el 90 por ciento, destacan los investigadores.

La investigación científica 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 modelos predictivos de machine learning personalizados.

Este modelo de aprendizaje automático predice la progresión de la discapacidad en pacientes con esclerosis múltiple utilizando datos de resonancia magnética basal o inicial (MRI) y evaluaciones clínicas usando la ‘Escala ampliada del estado de discapacidad’.

“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 Silvia Campanioni, primera autora del trabajo.

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 9 en la resonancia magnética inicial emergió como la variable más influyente en las decisiones del modelo clasificador.

“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 el investigador del IDIS Roberto Agís, último autor del proyecto. “Podríamos obtener evidencia objetiva e indicadores sobre las intervenciones de prevención que ayudarán a predecir la eficacia terapéutica de los tratamientos”, añade.

“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 de Investigación Traslacional en Enfermedades Neurológicas (ITEN) del IDIS, Jose María Prieto.

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. El atlas de EM 2020, muestra que existen alrededor de 3.800 pacientes diagnosticados en Galicia y 55.000 en España, con una prevalencia del 75 % en mujeres y una media de diagnóstico a los 32 años.

La primera autora del trabajo es la estudiante predoctoral Silvia Campanioni y el proyecto está liderado por los doctores Jose María Prieto, jefe del Servicio de Neurología de Santiago y líder del Grupo ITEN; César Veiga, investigador de IA del IIS Galicia Sur, ambos autores de correspondencia; y el doctor Roberto Agís, último autor del trabajo e investigador del Grupo ITEN del IDIS.

En el estudio (Campanioni S, Veiga C, Prieto-González JM, González-Nóvoa JA, Busto L, Martinez C, et al. (2024) Explainable machine learning on baseline MRI predicts multiple sclerosis trajectory descriptors) participan el grupo de Investigación Translacional en Enfermedades Neurológicas (ITEN) y el Laboratorio de Neuro Epigenética del Instituto de Investigación Sanitaria de Santiago de Compostela (IDIS); el servicio de Neurología del Hospital Clínico de Santiago de Compostela (CHUS); y el grupo de Investigación Cardiovascular y la Plataforma de IA para análisis biomédicos del IIS Galicia Sur.