A día de hoy,la enfermedad de Parkinsonse diagnostica mediante la observación de síntomas físicos, principalmente temblores. No existen, para los casos no genéticos, otrosmétodos de detección precoces como pueden ser los análisis de sangre o cualquier otro tipo de análisis.
Sin embargo, otros síntomas menos característicos, como el trastorno del sueño o la apatía, también pueden darse décadas antes de que la enfermedad se manifieste del todo y presente sus síntomas principales. Científicos de la Universidad de Sidney (UNSW) han desarrollado recientemente una nueva herramienta de Inteligencia Artificial que, si finalmente se valida, permitirá predecir la aparición del párkinson a través de los análisis de sangre.
Los científicos australianos, que han trabajado en colaboración con la Universidad de Boston, han descrito para la revista especializada ACS Central Science cómo fue su método de trabajo para llegar a esta conclusión. En concreto, utilizaron redes neuronales para analizar biomarcadores en los fluidos corporales de los pacientes.
Utilizaron redes neuronales para analizar biomarcadores en los fluidos corporales de los pacientes.
Para ello, los investigadores de la Facultad de Química de la UNSW examinaron primero muestras de sangre tomadas a individuos sanos del estudio EPIC (European Prospective Investigation into Cancer and Nutrition). Después, aplicaron una herramienta de aprendizaje automático (subconjunto de la inteligencia artificial) sobre grupos de datos que contenían “amplia información de metabolitos (compuestos químicos que el cuerpo crea al descomponer alimentos, fármacos o sustancias químicas)” de 39 pacientes que habían desarrollado párkinson durante 15 años.
Por último, compararon esos metabolitos con los de otros 39 pacientes que no habían llegado a desarrollar párkinson, y lograron identificar combinaciones únicas de metabolitos que podrían prevenir la enfermedad o constituir señales de alerta temprana.
Dicha herramienta de aprendizaje automático, desarrollada por Diana Zhang -investigadora de la UNSW- y W. Alexander Donald –profesor asociado-, se llama CRANK-MS (Ranking Analysis using Neural network generates Knowledge from Mass Spectrometry). De cara a obtener los datos sobre los pacientes, la propia Diana Zhang comenta que “el método más habitual para analizar datos metabolómicos es el estadístico”.
La precisión es de hasta el 96%
“Para averiguar qué metabolitos son más significativos para la enfermedad frente a los grupos de control, los investigadores suelen fijarse en las correlaciones entre moléculas específicas. Sin embargo, aquí tenemos en cuenta que los metabolitos pueden asociarse con otros metabolitos, y ahí es donde entra en juego el aprendizaje automático”, explica la científica.
De esta forma, la herramienta CRANK-MS puede utilizarse al primer signo de estos síntomas mencionados en el primer párrafo para descartar el riesgo de desarrollar párkinson en el futuro. Y, aunque Alexander Donald señala que “se necesitan estudios de validación que utilicen cohortes mucho más amplias y que se lleven a cabo en múltiples partes del mundo” antes de que la herramienta pueda utilizarse de forma fiable, lo cierto es que, según la universidad, “los resultados fueron prometedores” en la cohorte examinada para este estudio. “CRANK-MS es capaz de analizar sustancias químicas encontradas en la sangre para detectar la enfermedad de Parkinson con una precisión de hasta el 96%”, afirman.
Los resultados pueden generarse en menos de diez minutos
“Este estudio es interesante en múltiples niveles: Primero, la precisión es muy alta para predecir la enfermedad de Parkinson antes del diagnóstico clínico. En segundo lugar, este enfoque de aprendizaje automático nos permitió identificar marcadores químicos, que son los más importantes para predecir con exactitud quién desarrollará la enfermedad en el futuro. Por último, algunos de los marcadores químicos que más han impulsado la predicción del párkinson habían sido previamente utilizados en ensayos basados en células, pero no en humanos”, desarrolla Donald.
DISPONIBLE PARA TODOS LOS INVESTIGADORES
La UNSW informa que la herramienta CRANK-MS “está a disposición de todos los investigadores que deseen utilizar el aprendizaje automático para el diagnóstico de enfermedades a partir de datos metabolómicos”.
"La aplicación de CRANK-MS para detectar la enfermedad de Parkinson es sólo un ejemplo de cómo la IA puede mejorar la forma en que diagnosticamos y controlamos las enfermedades. Lo emocionante es que CRANK-MS puede aplicarse fácilmente a otras enfermedades para identificar nuevos biomarcadores de interés". Insiste Zhang.
"La herramienta es fácil de usar y, por término medio, los resultados pueden generarse en menos de 10 minutos en un ordenador portátil convencional", sentencia.
OTRAS CONCLUSIONES
Además de cumplir con su función primordial de predecir la aparición de la enfermedad de Parkinson, el estudio de la universidad australiana también ha dejado otras interesantes conclusiones al analizar los metabolitos de los pacientes. Por ejemplo, se encontraron triterpenoides en concentraciones más bajas en la sangre de los que más tarde desarrollaron la enfermedad de Parkinson en comparación con los que no la desarrollaron.
Los triterpenoides son un neuroprotector que regula el estrés oxidativo y que se encuentra, comúnmente, en alimentos como las manzanas, las aceitunas o los tomates. Así, en el futuro se podría determinar si el consumo de estos alimentos puede proteger de forma natural contra el desarrollo del párkinson.
Se podría determinar si el consumo de algunos alimentos puede proteger contra el desarrollo del párkinson
También han observado la presencia de sustancias perfluoroalquiladas (PFAS) en personas que desarrollaron párkinson, lo que podría estar relacionado con la exposición a sustancias químicas industriales. Tenemos indicios de que se trata de PFAS, pero necesitamos más datos para estar seguros al 100%”, concluye Donald.