Predecir el deterioro cognitivo en la enfermedad de Parkinson utilizando redes neuronales artificiales: un enfoque de...

Área de la Ciencia:

• La neurociencia
• Inteligencia artificial
• La informática médica

Sus antecedentes:

• La enfermedad de Parkinson (EP) a menudo implica un deterioro cognitivo, lo que afecta la calidad de vida del paciente.
• La predicción del deterioro cognitivo en la enfermedad de Parkinson es crucial para una intervención oportuna.
• La investigación existente a menudo se centra en la explicación en lugar de la precisión de la predicción.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje automático para predecir el deterioro cognitivo en pacientes con EP.
• Identificar los principales predictores cognitivos y no cognitivos del deterioro cognitivo en la EP.
• Integrar diversos tipos de datos, incluida la información clínica, de neuroimagen y genética.

Principales métodos:

• Se entrenó una red neuronal artificial con los datos de referencia de 618 pacientes con EP (base de datos de la Iniciativa de marcadores de progresión del Parkinson).
• El modelo predijo el estado cognitivo general tres años después.
• Las técnicas de IA explicables (SHAP, Masking) identificaron predictores influyentes.

Principales resultados:

• El modelo logró un recuerdo de 0,91 para identificar pacientes con deterioro cognitivo.
• La precisión general de la clasificación fue de 0,79.
• Los predictores clave identificados fueron las puntuaciones iniciales de MoCA, el rendimiento de la memoria, la MDS-UPDRS Parte III y los niveles de ansiedad.

Conclusiones:

• Los modelos de aprendizaje automático pueden predecir con precisión el deterioro cognitivo en la EP.
• La identificación temprana de los pacientes en riesgo es factible utilizando los datos de referencia.
• Los hallazgos apoyan estrategias de tratamiento personalizadas para prevenir el deterioro cognitivo y mejorar la autonomía del paciente.