MADRID, 9 Abr. (EUROPA PRESS) -
Científicos de la University College de Londres (Reino Unido) han utilizado la inteligencia artificial (IA) para identificar tres nuevos subtipos de esclerosis múltiple (EM). Los investigadores afirman que estos hallazgos ayudarán a identificar a las personas más propensas a la progresión de la enfermedad y a orientar los tratamientos de forma más eficaz.
La EM se clasifica en cuatro "cursos" (grupos), que se definen como recidivantes o progresivos. La clasificación de los pacientes se basa en una combinación de observaciones clínicas, asistidas por imágenes cerebrales de resonancia magnética, y en los síntomas de los pacientes. Estas observaciones guían el momento y la elección del tratamiento.
En este estudio, publicado en la revista 'Nature Communications', los investigadores querían averiguar si existían patrones aún no identificados en las imágenes cerebrales que pudieran orientar mejor la elección del tratamiento e identificar a los pacientes que responderían mejor a una terapia concreta.
"En la actualidad, la EM se clasifica a grandes rasgos en grupos progresivos y recidivantes, que se basan en los síntomas de los pacientes; no se basa directamente en la biología subyacente de la enfermedad y, por tanto, no puede ayudar a los médicos a elegir el tratamiento adecuado para los pacientes correctos", explica el autor principal de la investigación, Arman Eshaghi.
En este estudio, los investigadores aplicaron la herramienta de IA desarrollada por la UCL, SuStaIn (Subtype and Stage Inference), a las exploraciones cerebrales por resonancia magnética de 6.322 pacientes con EM. El SuStaIn no supervisado se entrenó a sí mismo e identificó tres patrones (previamente desconocidos).
Los nuevos subtipos de EM se definieron como "dirigidos por la corteza", "dirigidos por la materia blanca de apariencia normal" y "dirigidos por la lesión". Estas definiciones se refieren a las primeras anomalías observadas en las resonancias magnéticas dentro de cada patrón.
Una vez que SuStaIn completó su análisis en el conjunto de datos de IRM de entrenamiento, se "bloqueó" y se utilizó para identificar los tres subtipos en una cohorte independiente de 3.068 pacientes, validando así su capacidad para detectar los nuevos subtipos de EM.
Aunque se necesitan más estudios clínicos, se observó una clara diferencia, por subtipo, en la respuesta de los pacientes a los distintos tratamientos y en la acumulación de discapacidad a lo largo del tiempo. Este es un paso importante para predecir las respuestas individuales a las terapias".
