Salud
Los modelos de inteligencia artificial podrían ayudar a detectar ciertos tipos de autismo
Añade Unite.AI a tus fuentes preferidas en Google
Un nuevo estudio realizado por investigadores de la Universidad Northwestern ha creado modelos de inteligencia artificial que podrían utilizarse para detectar signos tempranos y ayudar en la detección de subtipos del trastorno. El modelo de inteligencia artificial podría ser la primera herramienta de detección biomédica de autismo, y podría ayudar a los médicos a reconocer casos de autismo mucho antes.
El modelo de inteligencia artificial desarrollado por el equipo de investigación puede detectar marcadores de un subtipo específico de autismo. Los trastornos del espectro autista, incluyendo el síndrome de Asperger, pueden ser difíciles de reconocer y diferenciar entre sí. El diagnóstico de condiciones relacionadas con el autismo también depende típicamente de los síntomas y no de los datos biomédicos. Como explicó el Dr. Yuan Lo, coautor del estudio a través de Eurekalert, un subtipo de autismo caracterizado por niveles químicos anormales “es el primer subtipo multidimensional basado en evidencia que tiene características moleculares distintas y una causa subyacente”. El modelo de inteligencia artificial diseñado por los investigadores de Northwestern podría detectar y distinguir de manera fiable los trastornos del espectro autista en función de estas características moleculares.
El subtipo de autismo al que se refiere el Dr. Lo se llama autismo asociado a dislipidemia. Este subtipo representa alrededor del 6,5% de todos los casos de autismo en los EE. UU. Según Luo, su estudio es el primero en analizar posibles marcadores de enfermedad como patrones de expresión genética diferentes, datos de mutación genética, datos de modelos animales y sogar reclamaciones de seguros de salud. Todos estos datos se superponen, construyendo una especie de mapa digital que es más representativo del mundo real que cualquiera de las variables por separado.
Es increíblemente difícil confiar solo en los datos genéticos para diagnosticar el autismo, ya que hay miles de variantes diferentes de muchos genes que potencialmente están relacionados con la afección. Además, cada una de las mutaciones asociadas con el autismo ocurre en menos del 1% de todas las familias con autismo. De ahí la necesidad de recopilar tantos datos como sea posible de tantas fuentes diferentes como sea posible. El modelo de inteligencia artificial que diseñaron los investigadores les ayudó a identificar clusters de exones de genes (partes de la secuencia del gen expresada en proteínas) que operan en grupos durante el desarrollo del cerebro. El sistema de inteligencia artificial que utilizaron los investigadores utilizó técnicas de agrupación en los datos de exones. Parece que, cuando se combina con los datos del mapa multimodal, se encontraron varias correlaciones fuertes que predijeron el autismo.
El modelo de inteligencia artificial y los datos del mapa multimodal parecen sugerir un método generalizable para detectar subtipos de autismo, y incluso otras enfermedades genéticamente complicadas que, como el autismo, dependen principalmente de la manifestación de síntomas para ser diagnosticadas.
El equipo de investigación pudo identificar una correlación significativa entre el trastorno del espectro autista y la dislipidemia parental, que es una afección caracterizada por lípidos alterados en la sangre. Estos perfiles de lípidos alterados también se observaron en bebés que más tarde fueron diagnosticados con afecciones del espectro autista. El equipo de investigación realizará más estudios para ver cuán efectiva podría ser la detección temprana con los hallazgos en ensayos clínicos. Luo explicó que, si bien el autismo se diagnostica actualmente solo en función de los síntomas, la detección y el diagnóstico tempranos podrían abrir una ventana más amplia para la intervención:
“Hoy en día, el autismo se diagnostica solo en función de los síntomas, y la realidad es que cuando un médico lo identifica, a menudo es cuando las ventanas de desarrollo cerebral temprano y crítico han pasado sin la intervención adecuada. Este descubrimiento podría cambiar ese paradigma”.
La investigación realizada en la Universidad Northwestern es solo un ejemplo de cómo se utilizan los modelos de inteligencia artificial para detectar enfermedades mentales. Un nuevo estudio realizado por científicos de la Universidad de Nueva York Langone y la Universidad de Minnesota aplicó modelos de inteligencia artificial para detectar evidencia de estrés postraumático (PTS) en agentes de policía, y se espera que la detección temprana de los síntomas asociados con el PTS conduzca a una detección y tratamiento más tempranos del trastorno de estrés postraumático.
