Método no invasor para la identificación con anticipación de la enfermedad de Alzheimer y de la demencia relacionada

La información recopilada de visitas rutinarias al doctor es suficiente para predecir exacto el riesgo de una persona de desarrollar la enfermedad de Alzheimer y demencias relacionadas, según la nueva investigación llevada por los científicos del instituto de Regenstrief, de la universidad de Indiana y de Merck. Los investigadores desarrollaron y probaron algoritmos de aprendizaje de máquina usando datos de informes médicos electrónicos para determinar a los pacientes que pueden estar en riesgo de desarrollar la demencia.

Por lo menos el 50 por ciento de más viejos pacientes de la atención primaria que viven con la enfermedad de Alzheimer y demencias relacionadas nunca recibe una diagnosis. Y mucho más viva con los síntomas por dos a cinco años antes de ser diagnosticado. Actualmente, las pruebas a la pantalla para el riesgo de la demencia son invasores, que toma tiempo y costosas.

La gran cosa sobre este método es que es pasiva, y ofrece exactitud similar a las pruebas más intrusas que se utilizan actualmente. Esto es un bajo costo, la solución escalable que puede ofrecer la ventaja sustancial a los pacientes y sus familias ayudándoles prepare para la posibilidad de la vida con demencia y permitirles de tomar medidas.”

Malaz Boustani, M.D., MPH, investigador del guía, científico de la investigación en el instituto de Regenstrief y profesor en la Facultad de Medicina de la universidad de Indiana

Algoritmos de aprendizaje de máquina que se convierten para la demencia que predice

El equipo de investigación, que también incluyó a científicos del estado de Georgia, de la universidad de Albert Einstein del remedio y del grupo de investigación sólido, publicó recientemente sus conclusión en dos diversas aproximaciones del aprendizaje de máquina. El papel publicado en el gorrón de la sociedad americana de la geriatría analizaba los resultados de un algoritmo del tramitación de lenguaje natural, que aprende reglas analizando ejemplos, y la inteligencia artificial en artículo del remedio compartió los resultados de un modelo al azar del bosque, que se construye usando un conjunto de árboles de decisión. Ambos métodos mostraron exactitud similar en predecir el inicio de la demencia en el plazo de un y tres años de diagnosis.

Para entrenar a los algoritmos, los investigadores recopilaron datos sobre pacientes de la red de Indiana para la atención a los pacientes. Los modelos utilizaron la información sobre las recetas y las diagnosis, que son campos estructurados, así como las notas médicas, que son texto libre, para predecir el inicio de la demencia. Los investigadores encontraron que las notas del texto libre eran las más valiosas a la ayuda determinan a gente a riesgo de desarrollar la enfermedad.

“Esta investigación es emocionante porque potencialmente ofrece la ventaja importante a los pacientes y a sus familias,” dijo a Patrick Monahan, doctorado, autor del estudio de la Facultad de Medicina del IU y científico del afiliado de Regenstrief. Los “clínicos pueden ofrecer la educación en comportamiento y hábitos para ayudar a pacientes a hacer frente a sus síntomas y a vivir una mejor calidad de vida.”

Zina Ben Miled, doctorado, M.S., autor del estudio de la escuela de Purdue de la ingeniería y tecnología en IUPUI y un Regenstrief se afilía al científico, dijo, “la identificación con anticipación del riesgo permite una oportunidad para que los doctores y las familias establezcan un plan del cuidado. Conozco de experiencia de lo que puede ser ocuparse una carga él de una diagnosis de la demencia. La ventana ofrecida por esta prueba es tan importante ayudar a perfeccionar la calidad de vida para ambos pacientes y sus familias.”

Además de la ventaja a las familias, estos métodos pueden también ofrecer el ahorro en costes importante para los pacientes y los sistemas de la salud. Reemplazan la necesidad de pruebas costosas y permiten que los clínicos revisen los toda la población para determinar esos la más en peligro. Demorar el inicio de síntomas también salva una cantidad de dinero importante en el tratamiento.

El paso siguiente es desplegar estas clínicas de los algoritmos de aprendizaje de máquina en la vida real para probar si ayudan a determinar casos más verdaderos de la demencia así como a aprender cómo afectan la buena voluntad de un paciente de seguir en los resultados.

Source:
Journal reference:

Boustani, M, et al. (2020) Passive Digital Signature for Early Identification of Alzheimer's Disease and Related Dementia. Journal of the American Geriatrics Society. doi.org/10.1111/jgs.16218.