Entrenan una IA para detectar el párkinson años antes de que aparezcan los síntomas.
Miércoles 17 de
Mayo 2023
La inteligencia artificial CRANK-MS detectó el riesgo de sufrir la enfermedad con una precisión de hasta el 96 %.
La lucha contra el párkinson no se basa solo en encontrar una cura. Los científicos también están trabajando en buscar formas más efectivas de detectar la enfermedad, para así poder frenar su desarrollo. En este sentido, un grupo de investigadores ha desarrollado una herramienta basada en la inteligencia artificial que detecta el riesgo de padecer párkinson años antes de que aparezcan síntomas como los temblores y los movimientos lentos.
La herramienta de IA, que ha recibido el nombre de CRANK-MS (Classification and Ranking Analysis using Neural network generates Knowledge from Mass Spectrometr), funciona en cualquier ordenador portátil estándar y lo que hace es buscar en la sangre unos compuestos químicos concretos, los metabolitos, identificando los patrones que parecen predecir la presencia de la enfermedad o proteger contra ella.
Los metabolitos son sustancias que el organismo produce cuando descompone alimentos, medicinas o sustancias químicas.
"Para averiguar qué metabolitos son más significativos en la enfermedad que en los grupos de control, los investigadores suelen fijarse en las correlaciones entre moléculas concretas", explica Diana Zhang, química de la Universidad de Nueva Gales del Sur, en Australia. “Pero aquí tenemos en cuenta que los metabolitos pueden tener asociaciones con otros metabolitos, que es donde entra en juego el aprendizaje automático. Con cientos o miles de metabolitos, hemos utilizado la potencia computacional para entender lo que ocurre", dice Zhang.
Los investigadores utilizaron muestras de plasma sanguíneo procedentes del Estudio Prospectivo Europeo sobre Nutrición y Cáncer. Se centraron en 39 pacientes que desarrollaron párkinson en los 15 años posteriores a su participación en el estudio. Lo que hicieron los investigadores fue comparar esas mezclas de metabolitos con 39 pacientes de control que no desarrollaron la enfermedad. Se identificaron varios patrones que se consideraron potencialmente significativos.
El equipo de científicos descubrió que las personas que desarrollaron párkinson tendían a presentar niveles más bajos de triterpenoides en la sangre. Los triterpenoides se encuentran en alimentos como las manzanas, las aceitunas y los tomates y se encargan de gestionar el estrés a nivel celular. También tenían PFAS. Los PFAS (sustancias perfluoroalquiladas y polifluoroalquiladas) son un grupo de sustancias químicas producidas por el ser humano que se usan en muchas industrias de distintos campos.
Los investigadores afirman que su herramienta de inteligencia artificial detectó el riesgo de padecer párkinson con una precisión de hasta el 96 %. Eso sí, el estudio es pequeño.
El grupo de investigadores cree que la precisión tan elevada se debe, en parte, a la gran cantidad de datos que se introdujo en el sistema desde el principio. “Aquí introdujimos toda la información en CRANK-MS sin reducir los datos desde el principio", explica el químico William Donald, de la Universidad de Nueva Gales del Sur. “Y, a partir de ahí, podemos obtener la predicción del modelo e identificar qué metabolitos son los que más influyen en la predicción, todo en un solo paso".
Donald explica que la IA es capaz de detectar metabolitos que se hayan pasado por alto usando métodos convencionales. La herramienta está disponible para que la usen otros científicos y se puedan detectar otras enfermedades analizando muestras de sangre.
El siguiente paso es probar la IA en grupos más grandes de personas y en más partes del mundo.
La herramienta de IA, que ha recibido el nombre de CRANK-MS (Classification and Ranking Analysis using Neural network generates Knowledge from Mass Spectrometr), funciona en cualquier ordenador portátil estándar y lo que hace es buscar en la sangre unos compuestos químicos concretos, los metabolitos, identificando los patrones que parecen predecir la presencia de la enfermedad o proteger contra ella.
Los metabolitos son sustancias que el organismo produce cuando descompone alimentos, medicinas o sustancias químicas.
"Para averiguar qué metabolitos son más significativos en la enfermedad que en los grupos de control, los investigadores suelen fijarse en las correlaciones entre moléculas concretas", explica Diana Zhang, química de la Universidad de Nueva Gales del Sur, en Australia. “Pero aquí tenemos en cuenta que los metabolitos pueden tener asociaciones con otros metabolitos, que es donde entra en juego el aprendizaje automático. Con cientos o miles de metabolitos, hemos utilizado la potencia computacional para entender lo que ocurre", dice Zhang.
Los investigadores utilizaron muestras de plasma sanguíneo procedentes del Estudio Prospectivo Europeo sobre Nutrición y Cáncer. Se centraron en 39 pacientes que desarrollaron párkinson en los 15 años posteriores a su participación en el estudio. Lo que hicieron los investigadores fue comparar esas mezclas de metabolitos con 39 pacientes de control que no desarrollaron la enfermedad. Se identificaron varios patrones que se consideraron potencialmente significativos.
El equipo de científicos descubrió que las personas que desarrollaron párkinson tendían a presentar niveles más bajos de triterpenoides en la sangre. Los triterpenoides se encuentran en alimentos como las manzanas, las aceitunas y los tomates y se encargan de gestionar el estrés a nivel celular. También tenían PFAS. Los PFAS (sustancias perfluoroalquiladas y polifluoroalquiladas) son un grupo de sustancias químicas producidas por el ser humano que se usan en muchas industrias de distintos campos.
Los investigadores afirman que su herramienta de inteligencia artificial detectó el riesgo de padecer párkinson con una precisión de hasta el 96 %. Eso sí, el estudio es pequeño.
El grupo de investigadores cree que la precisión tan elevada se debe, en parte, a la gran cantidad de datos que se introdujo en el sistema desde el principio. “Aquí introdujimos toda la información en CRANK-MS sin reducir los datos desde el principio", explica el químico William Donald, de la Universidad de Nueva Gales del Sur. “Y, a partir de ahí, podemos obtener la predicción del modelo e identificar qué metabolitos son los que más influyen en la predicción, todo en un solo paso".
Donald explica que la IA es capaz de detectar metabolitos que se hayan pasado por alto usando métodos convencionales. La herramienta está disponible para que la usen otros científicos y se puedan detectar otras enfermedades analizando muestras de sangre.
El siguiente paso es probar la IA en grupos más grandes de personas y en más partes del mundo.
Con información de
Muy Interesante
