![](http://www.technologyreview.es/sites/default/files/mit-images/feed_mit_image_171213techreview064-edit.png)
Los algoritmos de aprendizaje automático pueden encontrar patrones para identificar a personas en riesgo de padecer la enfermedad y a los pacientes óptimos para tratamientos experimentales. También podrían predecir su gravedad en cada caso y arrojar luz sobre sus causas
Cuando David Graham se despierta por la mañana, la caja blanca y plana que está pegada con velcro a la pared de su habitación en Robbie's Place, una residencia asistida en Marlborough, Massachusetts (EE. UU.), comienza a registrar cada uno de sus movimientos.
El dispositivo sabe cuándo se levanta de la cama, se viste, camina hacia su ventana y va al baño; si está durmiendo o si se ha caído. Esto lo consigue utilizando señales inalámbricas de baja potencia para mapear la velocidad de movimiento del individuo, sus patrones de sueño, su ubicación e incluso su patrón de respiración. Toda esa información se carga en la nube, donde los algoritmos de aprendizaje automático encuentran patrones en los miles de movimientos que una persona realiza todos los días.
Las cajas rectangulares, como la que tiene Graham, son parte de un experimento para ayudar a los investigadores a rastrear y comprender los síntomas de Alzheimer.
Cuando los pacientes se encuentran en las primeras etapas de la enfermedad, no siempre es evidente que se trata de Alzheimer. Las alteraciones en el cerebro pueden provocar cambios sutiles en el comportamiento y en los patrones de sueño años antes de que las personas comiencen a experimentar confusión y pérdida de memoria. Los investigadores creen que la inteligencia artificial (IA) podría reconocer estos cambios de forma anticipada e identificar a los pacientes en riesgo de desarrollar las formas más graves de la enfermedad.
Descubrir las primeras señales del Alzheimer, años antes de que aparezcan los síntomas evidentes, podría ayudar a identificar a las personas con más posibilidades de beneficiarse de los medicamentos experimentales. También permitiría a la familia planear los cuidados que se necesitarán en el futuro. Los dispositivos equipados con tales algoritmos podrían instalarse en las casas y en centros de cuidados a largo plazo para monitorear a las personas en riesgo. Para los pacientes que ya tienen un diagnóstico, esta tecnología podría ayudar a los médicos a hacer ajustes en su cuidado.
Las compañías farmacéuticas también están interesadas en utilizar algoritmos de aprendizaje automático, en su caso para buscar registros médicos de los pacientes que podrían beneficiarse con más probabilidad de tratamientos experimentales. Una vez que las personas están participando en un estudio, la IA podría decirle a los investigadores si el medicamento está haciendo frente a sus síntomas.
Actualmente, no hay una forma fácil de diagnosticar el Alzheimer: no existe ni una sola prueba para su diagnóstico y los escáneres cerebrales por sí solos no pueden determinar si alguien tiene la enfermedad. En cambio, los médicos tienen que analizar una gran variedad de factores, incluyendo el historial médico del paciente y las observaciones detectadas por miembros de la familia o trabajadores sanitarios. Por lo tanto, el aprendizaje automático podría encontrar patrones que de otro modo se perderían fácilmente.
Foto: Uno de los pacientes de Vahia, David Graham, tiene uno de los dispositivos con inteligencia artificial en su habitación en Robbie's Place, una residencia asistida en Marlborough, Massachusetts (EE. UU.).
Graham, a diferencia de los otros cuatro pacientes con estos dispositivos en sus habitaciones, no ha sido diagnosticado con Alzheimer. Pero los investigadores están monitoreando sus movimientos y comparándolos con patrones observados en otras personas que los médicos sospechan que tienen la enfermedad.
La investigadora del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (EE. UU.) Dina Katabi y su equipo desarrollaron inicialmente el dispositivo para detectar las caídas de personas mayores. Pero pronto se dieron cuenta de que tenía más usos. Pensaron que, si podía registrar una caída, también debía ser capaz de reconocer otros movimientos, como el ritmo y la deambulación, que pueden ser signos del Alzheimer.
Katabi explica que su intención era monitorear a las personas sin necesidad de que se pongan un dispositivo portátil de rastreo todos los días. "Esto es completamente pasivo. Un paciente no necesita poner sensores en su cuerpo ni hacer nada en específico, y es mucho menos intrusivo que una cámara de vídeo", detalla la investigadora.
Cómo funciona
Graham apenas se percata de la caja blanca que cuelga en su habitación ordenada y soleada. En cambio, es más consciente de ello los días en que el psiquiatra geriátrico del Hospital McLean y la Escuela de Medicina de Harvard (EE. UU.) Ipsit Vahia hace su ronda y le explica los datos que está recopilando. Vahia y los inventores de la tecnología del laboratorio del MIT están realizando un pequeño estudio piloto del dispositivo.
Graham espera con interés estas visitas. Hace poco, durante una visita, se sorprendió cuando Vahia le dijo que se estaba despertando por la noche. El dispositivo fue capaz de detectarlo, aunque ni el propio Graham sabía que lo estaba haciendo.
La señal de radio inalámbrica del dispositivo, solo una milésima parte tan potente como la del wifi, refleja todo lo que hay en un radio de unos 9 metros; incluidos los cuerpos humanos. Cada movimiento, incluso algo tan leve como respirar, causa un cambio en la señal reflejada.
Foto: Graham dice que apenas nota el dispositivo que cuelga en su habitación.
Katabi y su equipo desarrollaron algoritmos de aprendizaje automático que analizan todas estas diminutas reverberaciones: entrenaron al sistema para reconocer movimientos simples, como caminar y caer, y movimientos más complejos, como los asociados con las alteraciones del sueño. "A medida que se le enseña cada vez más, la máquina aprende, y la próxima vez que ve un patrón, incluso si es demasiado complejo para que un humano lo abstraiga, la máquina es capaz de reconocerlo", señala Katabi.
Con el tiempo, el dispositivo crea grandes lecturas de datos que muestran patrones de comportamiento. La IA está diseñada para detectar desviaciones de esos patrones que puedan indicar situaciones como agitación, depresión y trastornos del sueño. La máquina también podría revelar si una persona está repitiendo ciertos comportamientos durante el día. Todos estos síntomas son típicos de Alzheimer.
"Si puede detectar cuando empiezan estas desviaciones, también podrá anticiparlas y ayudar a manejarlas", dice Vahia.
En un paciente diagnosticado con Alzheimer, Vahia y Katabi pudieron descubrir que se estaba despertando a las 2 de la mañana y que deambulaba por su habitación. También notaron que caminaba más después de que algunos miembros de su familia lo visitaran. Estos datos llevaron a Vahia a ajustar su dosis del medicamento que previene la agitación.
Foto: Ipsit Vahia y Dina Katabi están probando un dispositivo impulsado por inteligencia artificial que el laboratorio de Katabi construyó para monitorear el comportamiento de las personas con Alzheimer, así como aquellos en riesgo de desarrollar la enfermedad.
Cambios cerebrales
La IA también se está utilizando para ayudar a los médicos a detectar los primeros signos de Alzheimer en el cerebro y comprender cómo se desarrollan esos cambios físicos en diferentes personas. "Cuando un radiólogo lee un escáner, es imposible saber si una persona desarrollará la enfermedad de Alzheimer", dice el neurólogo de la Universidad McGill en Montreal (Canadá) Pedro Rosa-Neto.
Rosa-Neto y su compañero Sulantha Mathotaarachchi desarrollaron un algoritmo que analizó cientos de tomografías por emisión de positrones (PET, por sus siglas en inglés) de personas que se habían considerado en riesgo de padecer Alzheimer. A partir de los registros médicos, los investigadores sabían cuáles de estos pacientes habían desarrollado la enfermedad en los dos años posteriores a la exploración, pero querían ver si el sistema de inteligencia artificial podía identificarlos con solo seleccionar patrones en las imágenes.
En efecto, el algoritmo fue capaz de detectar patrones en grupos de amiloide (una proteína que a menudo está asociada con esta enfermedad) en ciertas regiones del cerebro. Incluso los radiólogos capacitados habrían tenido dificultades para percibir estos problemas en un escáner cerebral. A partir de los patrones, el método fue capaz de detectar con un 84 % de precisión qué pacientes desarrollaron Alzheimer.
El aprendizaje automático también ayuda a los médicos a predecir la gravedad de la enfermedad en diferentes pacientes. El médico y científico de la Universidad de Duke (EE.UU.) P. Murali Doraiswamy está utilizando el aprendizaje automático para determinar en qué etapa de la enfermedad se encuentran los pacientes y si es probable que su padecimiento empeore.
"Hasta ahora, hemos estado considerando el Alzheimer como si fuera la misma enfermedad para todo el mundo", dice Doraiswamy. Pero no todas las personas con Alzheimer experimentan los mismos síntomas y algunas pueden empeorar más rápido que otras. Los médicos no saben qué pacientes se mantendrán estables durante un tiempo o cuáles enfermarán más rápidamente. "Entonces pensamos que tal vez la mejor manera de resolver este problema era dejar que lo hiciera una máquina", explica Doraiswamy.
Este investigador trabajó con el experto en inteligencia artificial del Instituto Rudjer Boskovic (Croacia) Dragan Gamberger para desarrollar un algoritmo de aprendizaje automático que ordenara escáneres cerebrales y registros médicos de 562 pacientes con deterioro cognitivo leve al comienzo de un período de cinco años.
En los resultados surgieron dos grupos distintos: aquellos cuya cognición disminuyó significativamente y aquellos cuyos síntomas cambiaron poco o nada durante los cinco años. El sistema fue capaz de detectar cambios en la pérdida de tejido cerebral a lo largo del tiempo.
Un tercer grupo estaba entre los otros dos, entre el deterioro cognitivo leve y el Alzheimer avanzado. "Todavía no sabemos por qué estos grupos existen", dice Doraiswamy.
Ensayos clínicos
De 2002 a 2012, el 99 % de los fármacos para investigación del Alzheimer fracasaron en los ensayos clínicos. Una de las razones de estas pésimas cifras es que nadie sabe exactamente qué causa la enfermedad. Otra razón es que es difícil identificar a los pacientes que tienen mayor probabilidad de beneficiarse de ciertos medicamentos concretos.
Los sistemas de IA podrían ayudar a diseñar mejores ensayos. "Una vez que tengamos a esas personas junto a sus genes, características y escaneos, será mucho más fácil probar diferentes fármacos", dice la supervisora de la investigación de Alzheimer en el Instituto Nacional sobre Envejecimiento (EE.UU.) Marilyn Miller, que es parte de los Institutos Nacionales estadounidenses de salud.
Posteriormente, una vez que los pacientes se inscriban en un estudio, los investigadores podrían supervisarlos continuamente para ver si se están beneficiando del medicamento.
"Uno de los mayores desafíos en el desarrollo de medicamentos para la enfermedad de Alzheimer es que no hemos tenido una buena forma de analizar a la población adecuada para probar el fármaco", indica el investigador del equipo de neurociencia de Johnson & Johnson Vaibhav Narayan.
Narayan dice que los algoritmos de aprendizaje automático acelerarán en gran medida el proceso de reclutamiento de pacientes para estos estudios. Y si la inteligencia artificial puede determinar qué pacientes tienen más probabilidades de empeorar más rápido, será más fácil para los investigadores determinar si un medicamento está teniendo algún beneficio.
De esa manera, si los doctores como Vahia detectan signos de Alzheimer en una persona como Graham, pueden inscribir al paciente rápidamente en un ensayo clínico con la esperanza de frenar los devastadores efectos que, de otro modo, vendrían irremediablemente años más tarde.
Miller cree que, en tan solo cinco años, la inteligencia artificial podría utilizarse para diagnosticar y predecir el Alzheimer en pacientes. Pero también dice que esto requerirá una gran cantidad de datos para asegurar que los algoritmos son precisos y de confianza. Graham, por su parte, sigue aportando su contribución para ayudar.