La esclerosis múltiple (EM) es una enfermedad inflamatoria crónica del sistema nervioso central. En Suecia, aproximadamente 22.000 personas viven con EM. La mayoría de los pacientes comienzan con la forma recurrente-remitente (EMRR), que se caracteriza por episodios de deterioro con períodos intermedios de estabilidad.
Con el tiempo, muchas personas evolucionan hacia una EM secundaria progresiva (EMSP), donde sus síntomas empeoran de forma constante, sin interrupciones evidentes. Identificar esta transición es importante, ya que cada tipo de EM requiere tratamientos diferentes.
Actualmente, el diagnóstico se realiza, en promedio, tres años después del inicio de la transición, lo que puede llevar a que los pacientes reciban medicamentos que ya no son eficaces.
El nuevo modelo de IA resume los datos clínicos de más de 22 000 pacientes del Registro Sueco de EM. El modelo se basa en datos ya recopilados durante las visitas médicas regulares, como pruebas neurológicas, resonancias magnéticas (RM) y tratamientos en curso.
Al reconocer patrones de pacientes anteriores, el modelo puede determinar si un paciente presenta la forma recurrente-remitente o si la enfermedad ha evolucionado a EM secundaria progresiva. La singularidad del modelo reside en que también indica su grado de confianza en cada evaluación individual.
«Esto significa que el médico sabrá la fiabilidad de la conclusión y la confianza de la IA en su evaluación», afirma Kim Kultima, quien dirigió el estudio.
En el estudio, publicado ahora en la revista Digital Medicine, el modelo identificó correctamente la transición a EM secundaria progresiva en casi el 87 % de los casos, o incluso antes de lo documentado en el historial médico del paciente, con una precisión general de alrededor del 90 %.
Para los pacientes, esto significa que el diagnóstico puede realizarse de forma más temprana, lo que permite ajustar el tratamiento a tiempo y ralentizar la progresión de la enfermedad.
Esto también reduce el riesgo de que los pacientes reciban medicamentos que ya no son eficaces. A largo plazo, el modelo también podría utilizarse para identificar participantes idóneos para ensayos clínicos, lo que podría contribuir a estrategias de tratamiento más eficaces e individualizadas, concluye Kultima.
Fuente: Neuroscience News
Para leer más ingresa a: https://neurosciencenews.com/ai-ms-progression-28665/?utm_source=flipboard&utm_content=other