En México, más de 1.3 millones de personas viven con algún tipo de demencia, de acuerdo con datos de la Secretaría de Salud. Proyecciones indican que, si no se implementan nuevas estrategias de detección y cuidado, la cifra podría triplicarse para 2050. Frente a este panorama, la inteligencia artificial (IA) se perfila como una herramienta indispensable para el diagnóstico de enfermedades neurodegenerativas —entre ellas la demencia—, que en la mayoría de los casos se identifican cuando ya están en etapas avanzadas.
Un reciente estudio del Centro de Biología de Sistemas de Massachusetts General Hospital, liderado por los investigadores Matthew Leming y Hyungsoon Im, abre una puerta esperanzadora. Utilizando IA y cientos de miles de imágenes cerebrales, su investigación demuestra que es posible diferenciar entre varios tipos de demencia en etapas tempranas.
El hallazgo no solo tiene implicaciones para países con alta carga de estas enfermedades, como México, sino que también redefine cómo la medicina puede apoyarse en la tecnología para ofrecer diagnósticos más oportunos.
El reto de los datos del mundo real
La demencia es un término que engloba diversas enfermedades neurodegenerativas, como el Alzheimer, la demencia vascular, la demencia con cuerpos de Lewy o la demencia no especificada. Aunque se han desarrollado modelos de inteligencia artificial para detectar estos trastornos a partir de imágenes médicas, la mayoría se ha probado en entornos académicos con datos muy estructurados y de alta calidad.
“El gran problema es que los datos clínicos del mundo real son mucho más desordenados”, explica Matthew Leming. Detalla que “un paciente puede tener solo una imagen, mientras que otro acumula decenas de estudios tomados en diferentes momentos, con calidades y modalidades distintas. Esto genera sesgos y dificulta la traducción de los modelos a la práctica clínica”.
Para enfrentar este reto, los investigadores diseñaron una red neuronal capaz de trabajar con imágenes heterogéneas. Inspirados en el funcionamiento de los grandes modelos de lenguaje, desarrollaron un sistema flexible que puede procesar desde una hasta catorce imágenes por paciente y, al mismo tiempo, ignorar factores de confusión como la edad o el hospital donde se tomó el estudio.
“Nos enfocamos en que el modelo aprenda de las estructuras cerebrales, que son los biomarcadores realmente relevantes para las enfermedades de interés”, añade Hyungsoon Im. “No queremos que se quede en correlaciones superficiales”.
Más de 300 mil imágenes para entrenar a la IA
El trabajo se basó en un archivo retrospectivo único: alrededor de 308 mil imágenes cerebrales en 3D de 17 mil pacientes, recopiladas durante dos décadas en Mass General Brigham. Con este enorme acervo, los investigadores entrenaron y probaron el modelo para detectar la presencia de distintos trastornos, entre ellos Alzheimer, Parkinson, deterioro cognitivo leve y demencia vascular, en uno de los avances más relevantes de las aplicaciones médicas de la inteligencia artificial.
Los resultados fueron alentadores. El modelo alcanzó una precisión de diferenciación superior al 84% para varios de estos diagnósticos. En términos sencillos, esto significa que fue capaz de distinguir con buena certeza entre diferentes tipos de demencia en datos reales, algo que hasta ahora había sido un obstáculo. Sin embargo, resultó difícil detectar la esclerosis múltiple y la epilepsia.
Un hallazgo interesante fue que la herramienta lograba identificar patrones en estructuras subcorticales del cerebro, priorizando un hemisferio sobre otro según la enfermedad analizada. Además, aunque el entrenamiento se hizo con datos de Massachusetts General Hospital, el modelo también funcionó al aplicarse en imágenes de Brigham and Women’s Hospital y otros centros, lo que sugiere que tiene potencial de replicarse en distintas instituciones.
Implicaciones para pacientes y médicos
El estudio demuestra que la inteligencia artificial no solo puede trabajar con datos clínicos complejos, sino que puede hacerlo con éxito en el diagnóstico de enfermedades neurodegenerativas. Esto abre la posibilidad de que, en un futuro cercano, hospitales de distintos países, incluido México, adopten sistemas similares para apoyar a los médicos en el diagnóstico temprano de demencias.
“La detección temprana de enfermedades y un seguimiento estrecho son actualmente las mejores formas de cuidar a quienes viven con enfermedades neurodegenerativas”, afirma Leming. Identificar antes los cambios en el cerebro no significa curar la enfermedad, pero sí dar más tiempo para preparar tratamientos, intervenciones y cuidados que mejoren la calidad de vida.
Para un país como México, donde gran parte de la población envejece rápidamente y los recursos sanitarios son limitados, herramientas de este tipo podrían ayudar a reducir la carga sobre las familias y el sistema de salud.
Hacia una inteligencia artificial explicable
El siguiente paso, según los autores, es avanzar hacia lo que se conoce como IA explicable y fortalecer el papel de la inteligencia artificial en el diagnóstico de la demencia. Esto significa que el sistema no solo brinde un resultado —por ejemplo, la probabilidad de que un paciente tenga Alzheimer—, sino que también muestre las razones detrás de su predicción.
“Queremos que el modelo también pueda pronosticar cómo evolucionará una demencia y qué resultados podrían tener diferentes tratamientos”, señala Im. “Eso permitirá planificar la atención de manera más personalizada”, agrega.
Además, los investigadores consideran ampliar los conjuntos de datos y explorar aplicaciones en otras condiciones neurológicas, como la predicción de la respuesta a terapias.
¿Qué significa para la población?
Aunque la inteligencia artificial avanza a pasos acelerados, los especialistas subrayan que estas herramientas no sustituyen la atención médica. Su papel es complementario: ayudar a los profesionales a ver señales que podrían pasar desapercibidas y a actuar antes de que la enfermedad avance demasiado.
En México, donde la mayoría de los diagnósticos se hacen en fases tardías, contar con sistemas que apoyen la detección temprana podría marcar una diferencia. A nivel personal, esto se traduce en estar atentos a los primeros signos de deterioro cognitivo y buscar una evaluación médica sin retrasos.
La investigación de Leming e Im es un recordatorio de que la combinación de ciencia, tecnología y medicina puede abrir nuevos caminos frente a uno de los mayores retos de salud pública del siglo XXI. Y aunque aún falta trabajo para que estas herramientas se integren a la práctica clínica diaria, su mensaje es claro: anticipar la demencia y avanzar en el diagnóstico de enfermedades neurodegenerativas se ha convertido en un objetivo alcanzable gracias a la inteligencia artificial.
Mass General Brigham es un sistema de atención médica que reúne a las mejores mentes en medicina para mejorar la vida de pacientes de todo el mundo. El sistema se conforma por 16 hospitales, entre ellos 5 clasificados entre los mejores a nivel nacional por US News & World Report: Massachusetts General Hospital, Brigham and Women’s Hospital, Mass Eye and Ear, McLean Hospital y Spaulding Rehabilitation; además de centros de atención comunitarios y especializados, planes de seguro médico, redes de médicos, atención domiciliaria y servicios de atención a largo plazo.
Mass General Brigham es una organización sin fines de lucro comprometida con la atención al paciente, la enseñanza y la investigación. Con un presupuesto anual de casi 2 mil millones de dólares, el programa de investigación de Mass General Brigham es uno de los más grandes en E.E. U.U., y financia más de 2,700 ensayos clínicos. Además, es una de las principales organizaciones de investigación biomédica del país y el principal afiliado de enseñanza de la Facultad de Medicina de Harvard.
Para obtener más información sobre Mass General Brigham, visite massgeneralbrigham.org/international
Para más noticias de tecnología, cultura geek, gadgets y entretenimiento, visita: GeekAndLife.com.mx
Descubre más contenido en nuestras redes: Instagram | YouTube | TikTok
Fuente: RP