Enfoque integrador del aprendizaje automático para la predicción del riesgo de demencia y enfermedad de Alzheimer

Área de la Ciencia:

• La neurociencia
• La genética
• Biología computacional

Sus antecedentes:

• La demencia, incluida la enfermedad de Alzheimer (EA), es un problema de salud mundial cada vez mayor que requiere un diagnóstico y una intervención tempranos.
• El aumento de la esperanza de vida requiere estrategias clínicas avanzadas para controlar el deterioro cognitivo y la pérdida de independencia.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir el riesgo de enfermedad de Alzheimer y demencia vascular.
• Integrar diversas fuentes de datos, incluidos los registros de salud, la información genética y los factores de estilo de vida, para una mayor precisión predictiva.

Principales métodos:

• Se utilizaron datos del Biobanco del Reino Unido que incluyen 2878 casos de AD y 72.366 controles.
• Desarrolló y comparó varios algoritmos ML, con CatBoost mostrando un rendimiento superior (ROC-AUC = 0,773).
• Incorporó códigos ICD-10 (5 años antes del diagnóstico), genotipo ApoE-ε4 y factores de riesgo modificables en modelos predictivos.

Principales resultados:

• El modelo CatBoost logró un ROC-AUC de 0,773, lo que demuestra una capacidad predictiva significativa, especialmente en las hembras.
• Los modelos de riesgo de demencia vascular (VA) superaron a los modelos específicos de EA, a pesar de un menor número de casos.
• ApoE-ε4 fue el predictor genético más significativo; las variantes comunes mostraron una utilidad limitada. Los predictores no genéticos clave incluyeron comorbilidades, educación, actividad física y dieta.

Conclusiones:

• La integración de diversas fuentes de datos con ML mejora la predicción del riesgo de demencia.
• El modelado específico del sexo y la atención a los factores modificables son cruciales para las intervenciones tempranas y personalizadas de la demencia.
• El aprendizaje automático ofrece una vía prometedora para el manejo proactivo de la demencia y las estrategias de atención médica personalizadas.