Desarrollan un modelo de IA que anticipa el Alzheimer con una sola resonancia

La demencia representa actualmente la séptima causa de defunción y es una de las principales razones de discapacidad y dependencia entre personas mayores en todo el mundo, según la Organización Mundial de la Salud. Dentro de este espectro, la enfermedad de Alzheimer representa entre el 60% y el 70% de los casos, lo que la convierte en el trastorno neurodegenerativo más prevalente del planeta.

Ante esta urgencia clínica, un hito reciente publicado en la revista Nature Aging podría transformar el abordaje diagnóstico. Investigadores de la Universidad de California en San Francisco (UCSF) desarrollaron una estrategia de aprendizaje profundo multitarea capaz de anticipar el deterioro cognitivo a partir de una única resonancia magnética y datos demográficos simples. El reporte fue presentado por el equipo que lidera Ashish Raj, profesor de radiología e imagen biomédica.

La metodología no requiere de pruebas complejas como tomografías por emisión de positrones (PET), análisis genéticos o tests neurocognitivos extensivos. El sistema demostró superar la precisión de todos los modelos de inteligencia artificial existentes hasta el momento. Según detalló Ashish Raj, esta capacidad “convierte a la herramienta en un recurso rápido, preciso y fácil de implementar en la mayoría de los entornos clínicos”, eliminando la necesidad de infraestructura avanzada.

Eficiencia y precisión clínica

En la práctica médica, predecir quién desarrollará Alzheimer resulta complejo y costoso. Frente a esta realidad, el grupo de la UCSF diseñó un modelo que prescinde de insumos técnicos complejos. El primer autor del estudio y especialista en aprendizaje automático, Daren Ma, explicó:

“Obtuvimos mejoras significativas en velocidad y rendimiento con respecto a otros sistemas, lo que podría resultar valioso para desarrollar una predicción clínica rápida del deterioro cognitivo antes de derivar al paciente a un laboratorio de imágenes más avanzado o a un informe neurorradiológico completo”.

Para el entrenamiento y validación del modelo, los investigadores recurrieron a la base de datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer y al Proyecto Conectoma Humano. De esta manera, el sistema pudo aprender a diferenciar patrones cerebrales sanos de los asociados al deterioro, demostrando solvencia incluso al analizar muestras diversas.

Nuevos horizontes en neurología

Aunque el foco principal es el Alzheimer, los autores propusieron extender el alcance del modelo a otras condiciones. Ashish Raj señaló que la técnica ofrece a los médicos la oportunidad de beneficiarse de representaciones cerebrales sin necesidad de conocimientos informáticos especializados. El informe confirmó que la herramienta también permite caracterizar la relación entre morfología cerebral y cognición en enfermedades como el Parkinson, la esclerosis lateral amiotrófica (ELA) y la enfermedad de Huntington.

El estudio despertó interés en la comunidad médica internacional. El cardiólogo Eric Topol subrayó a través de sus redes sociales que “una sola resonancia magnética, datos demográficos e inteligencia artificial predicen las puntuaciones cognitivas actuales y futuras”. Este avance representa una alianza estratégica para transformar la atención neurológica en contextos donde el tiempo y el costo son variables determinantes.

Sobre el autor

El Eco IA

La inteligencia Artificial de El Eco, motorizada por Gemini