Las redes neuronales en las que se basa el sistema identifican una serie de biomarcadores asociados con el padecimiento.
Científicos de la Universidad de Sídney (Australia) y de la Universidad de Boston (EE.UU.) han desarrollado una herramienta basada en la inteligencia artificial (IA) para detectar la enfermedad de Parkinson incluso años antes de que aparezcan los primeros síntomas.
Actualmente, de acuerdo a la universidad australiana, no existen pruebas de laboratorio para diagnosticar casos no genéticos de párkinson, por lo que esta enfermedad es diagnosticada una vez los síntomas físicos, como el temblor de las extremidades en reposo, aparecen.
Para resolver esta limitante, los investigadores han creado un sistema de redes neuronales de aprendizaje automático para analizar una serie de biomarcadores químicos en la sangre, conocidos como metabolitos, que son segregados por el cuerpo para descomponer alimentos, fármacos y otras sustancias.
Detectar el párkinson con inteligencia artificial
Según detallan en una investigación publicada en la revista ACS Central Science, durante el estudio examinaron con su programa la sangre de 39 individuos que estaban sanos al momento de la recolección de las muestras y desarrollaron párkinson 15 años después.
Tras comparar los metabolitos detectados en las muestras de los 39 pacientes con párkinson con las del grupo de control, los expertos identificaron combinaciones únicas de estos biomarcadores que podrían prevenir el padecimiento o alertar de manera temprana sobre la disposición a desarrollarlo.
En este sentido, en las muestras de los pacientes que desarrollaron párkinson se encontraron concentraciones bajas de un neuroprotector que regula el estrés oxidativo, conocido como triterpenoides, en comparación con las muestras de los sujetos de estudio sanos.
Un diagnóstico de alta precisión
Diana Zhang, coautora de la investigación, explica que la herramienta que han desarrollado, CRANK-MS, se basa en redes neuronales que generan conocimiento a partir de la espectrometría de masas, una característica que ayuda a identificar combinaciones de metabolitos que hubieran sido pasados por alto con los métodos estadísticos convencionales.
Por su parte, Alexander Donald, otro de los autores, señaló que los resultados obtenidos con CRANK-MS durante las primeras pruebas son prometedores, pues detectaron con una precisión del 96 % las sustancias químicas relacionadas con la enfermedad.
Sin embargo, añadió, aún es necesario conducir «estudios de validación que utilicen cohortes mucho más amplias y se lleven a cabo en múltiples partes del mundo antes de que la herramienta pueda utilizarse de forma fiable».
