Uso de la IA en las enfermedades más recurrentes (VIII)

Ibermática Inteligencia Artificial, Salud, Sin categorizar

Pilar Ruiz Ayuso

La aplicación de métodos de aprendizaje automático y minería de datos en la investigación de T2D permite aprovechar el análisis de grandes volúmenes de datos disponibles relacionados con los pacientes para extraer conocimiento y realizar tratamientos predictivos más personalizados

En el artículo anterior se explicó cómo la IA juega un papel importante en la monitorización y seguimiento preventivo de los pacientes que padecen EPOC (Enfermedad Pulmonar Obstructiva Crónica), presentándose ciertos retos tecnológicos importantes, que habrá que tener en cuenta, y serían los siguientes:

  • Riesgos en los sensores de respiración. Contar con un sistema preciso con el que evaluar la frecuencia respiratoria del paciente de forma automatizada es una tarea complicada, ya que a día de hoy no hay una forma de extracción fidedigna de dicho indicador, por lo que habrá que explorar diferentes vías para recoger ese dato, bien mediante sensores electrofisiológicos que detecten la actividad diafragmática o bien explorando su detección, aprovechando los sensores de actividad del paciente.
  • Riesgos relacionados con la detección adecuada de posibles brotes. Debe aunar una alta sensibilidad y una buena especificidad que permita que el sistema monitorice automáticamente el gran volumen de datos proveniente de los sensores priorizando la información a monitorizar por el médico.
Pilar Ruiz Ayuso

Pilar Ruiz Ayuso, Head of Innovation Director en I3B.

 

Síndrome metabólico en cifras

Dentro de las enfermedades de mayor incidencia en la sociedad se encuentra el síndrome metabólico, que engloba, entre otras patologías, la diabetes mellitus de tipo 2 (T2D) y las enfermedades cardiovasculares (ECV), provocadas principalmente por el consumo de tabaco, la inactividad física y una dieta desequilibrada. Según la OMS, constituyen la principal causa de defunción en todo el mundo.

El estudio y descubrimiento de nuevos factores fisiopatológicos ligados al desarrollo de estos padecimientos ha generado la relación innegable entre el grupo de afecciones que describen el síndrome metabólico (hipertensión arterial, los niveles Uso de la IA en las enfermedades más recurrentes de glucosa, los elevados niveles de triglicéridos en sangre, el exceso de grasa alrededor de la cintura, y un largo etcétera) con enfermedades de alta incidencia como son las T2D y ECV.

 

¿En qué consiste el Síndrome Metabólico y de qué medios se disponen para su detección?

El síndrome metabólico es un grupo de afecciones que se presentan al mismo tiempo y aumentan el riesgo de desarrollar una enfermedad cardíaca, accidente cerebrovascular y diabetes tipo 2. El estilo de vida actual, el estrés, el aumento de la esperanza de vida, y el déficit de actividad física, se suman a este listado de factores de riesgo que no hacen más que complicar la situación. Por consiguiente, el impacto que conlleva en la salud y en la economía, derivado de las consecuencias asociadas al síndrome metabólico, es muy elevado, siendo una de las más demoledoras el deterioro cognitivo.

A nivel mundial, más de 46 millones de personas en el mundo sufren deterioro cognitivo en forma de demencia, y las previsiones publicadas en el Informe Mundial sobre el Alzheimer (Alzheimer´ s Disease International, ADI, 2018) apuntan a un aumento de la cifra hasta los 152 millones en 2050. A esta situación, que tiene una previsión realmente alarmante, se suma que los tratamientos actuales para este conjunto de patologías son realmente costosos para los sistemas de salud. Por tanto, nos conduce hacia una clara necesidad de mitigar y gestionar estos efectos mediante la prevención y el control de estas enfermedades, lo que daría lugar a una disminución de la dependencia de los enfermos y por lo tanto del impacto socioeconómico que esto supone.

Si nos centramos en la enfermedad TD2 podemos decir que, hasta la fecha, se desconoce la causa fisiopatológica por la que ocurre. La problemática de los profesionales de la salud radica en que el diagnóstico se hace de acuerdo con la característica principal de la enfermedad, el aumento de la glucosa en sangre. Se utiliza un algoritmo de decisión de descarte, donde quedan excluidas otro tipo de diabetes, autoinmunidad, embarazo, o daño pancreático. Este diagnóstico puede llevar a una falta de comprensión mecanicista de la enfermedad, derivándose en un posible diagnóstico incorrecto y tardío, o a dificultades para encontrar la correcta respuesta a tratamientos.

A pesar de que, en la última década, ha habido una proliferación de los estudios asociados al genoma completo, donde se han detectado múltiples interacciones genéticas que aumentan el riesgo a padecer diabetes TD2, los estudios no son concluyentes, pero sí demuestran que hay subtipos de ADN asociados con el riesgo de padecer diabetes en estudios genéticos a gran escala.

 

Aplicando la IA en casos de uso reales

Teniendo en cuenta todo lo expuesto, y considerando la alta morbilidad y mortalidad asociadas con las complicaciones de la T2D, existe una gran necesidad de detectar los factores de riesgo genéticos, así como comprender la fisiopatología del trastorno e identificar objetivos moleculares y vías que podrían conducir a una mejor terapia en el futuro.

La aplicación de métodos de aprendizaje automático y minería de datos en la investigación de T2D permite aprovechar el análisis de grandes volúmenes de datos disponibles relacionados con los pacientes (diagnósticos, exámenes, muestras, biomédicos, etcétera) para extraer conocimiento y realizar tratamientos predictivos más personalizados, que disminuyan la probabilidad de desarrollar complicaciones futuras mejorando la calidad de vida. Y es que hasta la fecha, los pacientes diagnosticados con este tipo de enfermedad son tratados con el mismo protocolo único, que no se adapta ni a la fisiología de cada persona, y que en muchas ocasiones recibe tratamientos inadecuados. Estos sistemas de detección de forma preventiva del diagnóstico y complicaciones derivadas de la T2D deberán estar basados en:

  • Desarrollo de un sistema predictivo, que sea capaz de analizar cuantitativamente el riesgo de padecer T2D tras un análisis genético y epigenético. Se investigarán nuevos protocolos y formulaciones algorítmicas que permitan crear sistemas predictivos en torno a las complicaciones derivadas de la diabetes, evitando o retrasando la aparición de problemas asociados a dicha enfermedad y síndrome metabólico, ejerciendo un incremento directo en la calidad de vida de los pacientes.
  • Desarrollo de un sistema de diagnóstico que, mediante el análisis con IA de neuroimágenes, sea capaz de objetivar el análisis de riesgo cuantitativo de sufrir deterioro cognitivo. En los últimos años se han desarrollado diferentes técnicas para procesado automático de estas imágenes, pero la realidad es que en la práctica clínica actual apenas se utilizan, lo que hace que mucha información con gran potencial  (no visible con el ojo humano) no esté siendo analizada para caracterizar al paciente y ayudar en la toma de decisiones.
  • Desarrollo de un sistema prescriptivo, capaz de sugerir acciones correctoras, con especial incidencia desde la alimentación, para mejorar la esperanza de vida con alta calidad en las personas en riesgo. Basado en analítica de datos, ofrecerá soporte y conocimiento asociados a la personalización de la alimentación y los hábitos saludables buscando objetivos terapéuticos.

 

Retos tecnológicos para el desarrollo de soluciones aplicados al síndrome metabólico

Para asumir los retos tecnológicos a los que nos enfrentamos en el desarrollo de un sistema que permita detectar el diagnóstico y complicaciones del T2D de forma automatizada, hay que tener en cuenta el volumen y diversidad de la información, así como el coste de capturar dicha información de los pacientes por el número de pruebas clínicas que esto implica. Sin embargo, los avances potenciales compensarán en el largo plazo los costes.

En conclusión, hacer una apuesta por la Medicina Personalizada es todo un acierto. Ya son muchos los países punteros como Reino Unido o Francia que están empezando a implantar este tipo de plataformas en sus sistemas de salud, atendiendo así a las necesidades de dar una atención individualizada a cada uno de los pacientes en los que se tiene en cuenta no solo su tratamiento, sino también otros aspectos realmente importantes como los hábitos de vida saludables, alimentación, etcétera, de cara a ofrecerles el tratamiento más idóneo.

- TAMBIÉN TE PUEDE INTERESAR -

Ir a Ibermática crea gemelos digitales de pacientes para testar si un tratamiento ...

Ibermática crea gemelos digitales de pacientes para testar si un tratamiento puede funcionar

16 noviembre, 2022

La atención sanitaria del futuro está cada vez más cerca. En este sector ganar tiempo es fundamental, y conocer con ...

Ir a Ibermática se incorpora al Basque Health Clúster para impulsar su eje de salu...

Ibermática se incorpora al Basque Health Clúster para impulsar su eje de salud digital

3 octubre, 2022

Ibermática ha entrado a formar parte de Basque Health Clúster, una asociación creada para empresas y entidades del sector de ...