Geisinger y Eisai prueban la validez en el mundo real de los marcadores digitales pasivos (PDM) impulsados por IA en la detección temprana del deterioro cognitivo y la demencia
La colaboración de investigación probará la efectividad del nuevo algoritmo utilizando datos de Geisinger. (presione soltar):
Geisinger y Eisai Inc. anunciaron hoy una colaboración para investigar la eficacia potencial de una herramienta de inteligencia artificial (IA) en la detección de deficiencias cognitivas que podrían detectar la demencia, incluida la enfermedad de Alzheimer (EA). Si es eficaz, la herramienta de IA podría desarrollarse potencialmente para ayudar en la detección temprana y la clasificación del deterioro cognitivo y la demencia, lo que conduciría a pruebas adicionales apropiadas para el diagnóstico clínico y biológico y el tratamiento de demencias como la EA.
La colaboración de investigación investigará el uso de un algoritmo entrenado en un conjunto de datos de pacientes anónimos para identificar a las personas que probablemente tengan un deterioro cognitivo. El algoritmo, conocido como marcador digital pasivo (PDM), fue desarrollado y probado por investigadores de la Universidad de Purdue y la Universidad de Indiana… «La tecnología de IA tiene el potencial de transformar la medicina», dijo Yasser El-Manzalawy, Ph.D., director investigador y profesor asistente de ciencia de datos traslacionales e informática en Geisinger. “Las herramientas basadas en IA pueden escanear de manera eficiente grandes cantidades de datos de salud y detectar patrones ocultos. Estos patrones se pueden usar para detectar enfermedades como el cáncer y la demencia en una etapa temprana…»
«Como científico de implementación, siempre es emocionante que otros científicos evalúen la reproducibilidad del rendimiento de nuestro marcador digital pasivo en poblaciones muy diferentes”, dijo Malaz Boustani, MD, Profesor de Envejecimiento Richard M. Fairbanks en la Universidad de Indiana. «La reproducibilidad es la piedra angular del progreso científico».
Sobre el marcador digital pasivo (PDM):
Predicción de la demencia con datos EMR de atención de rutina (inteligencia artificial en medicina). Del resumen:
Nuestro objetivo es desarrollar un modelo de aprendizaje automático (ML) que pueda predecir la demencia en una población general de pacientes de múltiples entornos de atención médica un año y tres años antes del inicio de la enfermedad sin monitoreo o detección adicional. El propósito del modelo es automatizar la preselección digital, no invasiva y de bajo costo de pacientes con riesgo de demencia.
Para este propósito, los registros de atención de rutina, que están ampliamente disponibles a través de los sistemas de registros médicos electrónicos (EMR), se utilizan como fuente de datos. Estos datos representan una gran cantidad de conocimientos y facilitan la implementación rentable a gran escala de las aplicaciones médicas correspondientes. Específicamente, el modelo se entrena utilizando datos estructurados y no estructurados de tres conjuntos de datos de EMR: diagnósticos, recetas y notas médicas…
Los resultados muestran que el modelo combinado se puede generalizar en múltiples instituciones y es capaz de predecir la demencia con una precisión de casi el 80 % en el plazo de un año desde su aparición, a pesar de haber sido entrenado con datos de la atención habitual. Además, el análisis de los modelos identificó importantes predictores de demencia. Algunos de estos predictores (por ejemplo, la edad y los trastornos hipertensivos) ya están respaldados por la literatura, mientras que otros, en particular los derivados de los registros médicos no estructurados, requieren un análisis clínico adicional.
