MADRID, 2 Feb. (EUROPA PRESS) -
Investigadores españoles han realizado un estudio observacional del perfil clínico y el inicio de los síntomas de la esclerosis lateral amiotrófica (ELA) utilizando tecnología de última generación basada en la inteligencia artificial (IA).
La investigación, publicada en la revista científica 'Scientific Reports', ha sido realizado por Savana, en colaboración con la Fundación Francisco Luzón.
El estudio, llevado a cabo por personal médico e investigador del Hospital Universitario de Albacete y el grupo de Investigación Savana de Madrid, tenía como objetivo utilizar informes médicos de pacientes para describir el perfil clínico y los tiempos entre la aparición de síntomas, el diagnóstico y consecuencias del desarrollo de la ELA, valiéndose de la tecnología 'EHRead' NLP, un método de IA capaz de extrapolar variables a través del procesamiento del lenguaje natural.
Con esta base de datos, es posible analizar con mayor detalle la información clínica no estructurada en las historias clínicas electrónicas (HCE), independientemente del sistema de gestión en el que operen.
De este modo, es posible reducir el tiempo de diagnóstico de la enfermedad. Definir cómo de rápido avanza la ELA es crucial para proporcionar a los pacientes una atención adecuada, retrasar en la medida de lo posible la progresión de la enfermedad y crear un marco para la evaluación de la eficacia del tratamiento en el diseño de ensayos clínicos.
Así, el NLP se presenta como una herramienta muy prometedora para su aplicación en un contexto más amplio de las enfermedades neurológicas raras.
En esta ocasión, se ha logrado analizar la población de los pacientes con ELA de la Red Asistencial SESCAM para caracterizar su perfil demográfico y clínico, determinar el tiempo entre el inicio de los síntomas y el diagnóstico, y, también, detectar la aparición de las consecuencias específicas de la enfermedad.
Los pacientes con ELA a menudo presentan síntomas iniciales inespecíficos que pueden confundirse con otras enfermedades neuromusculares. Dado que el diagnóstico erróneo es frecuente en estadios más precoces y la progresión avanzada de la enfermedad es necesaria para el diagnóstico clínico, se estima que el tiempo medio diagnóstico oscila entre los 9 y 24 meses.
Los resultados proporcionan un perfil detallado de estos pacientes y señalan diferencias en las características clínicas y la aparición de los principales síntomas específicos de la enfermedad, dentro de sus subtipos: bulbar y espinal.
La mayoría de los pacientes presentaron síntomas iniciales clave (debilidad muscular, disnea, disartria, fasciculaciones y disfagia) con un tiempo medio de diagnóstico de 11 meses. Síntomas como la disnea pueden ser frecuentes en otras patologías, pasar desapercibido o atribuirse a otras causas al aparecer en estadios muy precoces de la enfermedad. En este escenario, el estudio de los informes utilizando herramientas de PNL puede acelerar el diagnóstico.
El estudio, de carácter retrospectivo y multicéntrico, se llevó a cabo en cinco hospitales y servicios de Atención Primaria representativos de la Red Asistencial SESCAM. Utilizando el Procesamiento del Lenguaje Natural (NLP), se extrajo la información clínica en historias clínicas electrónicas de todos los pacientes con ELA entre enero de 2014 y diciembre de 2018.
Los autores de este estudio son Tomás Segura, Jorge García-García, Cristian Alcahut-Rodríguez, Ignacio H. Medrano, Sergio Collazo, Claudia Maté, Carlo Sguera, Carlos Del Rio-Bermudez, Hugo Casero, Ignacio Salcedo, José Aquino, David Casadevall, David Donaire, Judith Marin-Corral, Sebastian Menke, Natalia Polo, Miren Taberna y Carlo Sguera.
