Los modelos de IA utilizan el procesamiento del lenguaje natural para predecir el riesgo de desarrollar alzhéimer

Un equipo de investigadores de IA de IBM y Pfizer ha desarrollado algoritmos de IA que potencialmente puede detectar signos de la enfermedad de Alzheimer analizando la escritura de las personas y encontrando patrones lingüísticos.

Otros investigadores de IA han desarrollado modelos destinados a predecir el desarrollo de la enfermedad de Alzheimer. mediante el análisis de exploraciones PET o interpretando datos de pruebas clínicas. Estos otros modelos se entrenaron con datos recientes, pero el modelo desarrollado por el equipo de IBM-Pfizer se entrenó con datos del Framingham Heart Study, que incluye datos de más de 14,000 XNUMX personas a lo largo de tres generaciones y seis décadas. La naturaleza a largo plazo de los datos es importante, ya que si la IA es capaz de detectar patrones de manera confiable dentro de grandes poblaciones durante largos períodos de tiempo, los investigadores podrían predecir la manifestación de la enfermedad de Alzheimer años antes de las técnicas de diagnóstico actuales. Además, podría ser un método de diagnóstico confiable que no requiera el uso de tecnología de escaneo o pruebas invasivas, aumentando la gama de escenarios donde se puede utilizar.

Según el vicepresidente de salud y ciencias de la vida de IBM, Ajay Royyuru, los modelos de IA desarrollados por el equipo de investigación pueden funcionar como una herramienta que ayuda a los médicos a obtener pistas sobre el posible desarrollo de la enfermedad de Alzheimer antes de las pruebas clínicas. Los modelos pueden funcionar esencialmente como sistemas de alerta temprana que incitan a los médicos a realizar pruebas más extensas.

Para entrenar los modelos de IA, el equipo de investigación utilizó transcripciones de respuestas escritas a mano a varias preguntas. A los participantes en el Estudio del Corazón de Framingham se les pidió que describieran una imagen de un entorno utilizando su lenguaje natural. Las respuestas generadas por los encuestados se digitalizaron y las transcripciones se alimentaron a los algoritmos de aprendizaje automático como datos de entrenamiento. Según IBM, los modelos pudieron detectar determinadas características lingüísticas que se correlacionan con el desarrollo de trastornos neurodegenerativos. Los médicos han descubierto desde hace tiempo que cierto uso de palabras repetidas, errores ortográficos y una preferencia por frases simples en lugar de oraciones más complejas pueden ser indicativos de la progresión del Alzheimer, y los modelos de IA dan con estas mismas características.

Según la los resultados del estudio, el modelo principal logró aproximadamente un 70 % de precisión en la predicción de cuáles de los participantes en el estudio original finalmente desarrollaron la enfermedad de Alzheimer a la edad de 85 años. Los modelos, y por lo tanto los resultados, se derivaron de los datos históricos dentro del estudio original. Realmente no predijeron eventos futuros. Además, el modelo de IA se entrenó en la subsección más antigua de la población de Framingham. Esta población era principalmente blanca no hispana y, como resultado, existen límites en cuanto a cuán generalizables son los resultados para otras etnias y otras poblaciones en todo el mundo. El tamaño de la muestra para el estudio también fue bastante pequeño, y constaba de solo 40 personas que desarrollaron demencia y 40 que no.

A pesar de estas limitaciones, el estudio tiene valor como uno de los primeros estudios en analizar datos de la vida real a gran escala recopilados durante un largo período de tiempo. La precisión del modelo podría incrementarse potencialmente si ciertas características que quedaron fuera del estudio se incluyen en futuros datos de entrenamiento, como la escritura a mano. También se podría usar un enfoque similar con las grabaciones de audio del habla, que incluyen pausas que no están representadas en el lenguaje escrito.

Según Royyuru, la ventaja de usar muestras de lenguaje es que, independientemente de si las muestras son habladas o escritas, son métodos no invasivos para determinar las condiciones cognitivas de las personas. La recopilación de datos de idioma se puede realizar de forma remota y relativamente económica aprovechando Internet, aunque es importante que existan garantías de privacidad y consentimiento informado al recopilar dichos datos.

Coautor del estudio e investigador de neuroimagen y psiquiatría computacional en IBM, Guillermo Cecchi, explicado a Scientific American que el proceso se está adaptando para comprender también otras formas de enfermedad:

“Estamos en el proceso de aprovechar esta tecnología para comprender mejor enfermedades como la esquizofrenia, [la esclerosis lateral amiotrófica] y la enfermedad de Parkinson, y lo estamos haciendo en estudios prospectivos [que] analizan muestras de habla hablada, dadas con el consentimiento de pruebas verbales cognitivas similares. ”