Investigadores de varias instituciones estadounidenses han desarrollado un innovador método para predecir con anticipación la enfermedad de Alzheimer (EA) en base a registros médicos electrónicos. Analizando longitudinalmente los registros de salud de la Administración de Veteranos de los Estados Unidos, el equipo identificó síntomas y signos que pueden prever el comienzo de la enfermedad hasta diez años antes de que sea clínicamente diagnosticada por medio de códigos ICD. Esta investigación es pionera al emplear modelos de aprendizaje automático para el análisis de datos no estructurados de estos registros.

El estudio contó con 16,701 casos diagnosticados con Alzheimer desde 2016 y 39,097 controles emparejados por edad, sexo y utilización clínica. Los resultados mostraron que la frecuencia de palabras clave relacionadas con EA, tales como “concentración” y “hablar”, aumentaba significativamente a medida que se acercaba un diagnóstico oficial, mientras que en el grupo de control estas permanecían estables.

Uno de los modelos, capaz de alcanzar una exactitud discriminativa del 99.7% al utilizar datos de hasta 10 años antes del diagnóstico oficial, sugiere que esta técnica puede usarse eficazmente para identificar individuos en riesgo de desarrollar Alzheimer utilizando únicamente notas clínicas electrónicas. Esto ofrece un método económico y escalable para el cribado temprano en grandes poblaciones.

Los hallazgos alcanzan especial relevancia en un contexto donde se espera que la cantidad de personas afectadas por EA crezca de cinco a entre 11 y 16 millones en los Estados Unidos para 2050. Los métodos actuales de diagnóstico son costosos y engorrosos, haciendo que estos avances tecnológicos sean una alternativa prometedora.

El equipo demostró que la inclusión de palabras clave en modelos de predicción supera el rendimiento de los métodos que solo emplean datos estructurados de salud como códigos de diagnóstico y medicamentos. Las predicciones del algoritmo fueron validadas a pesar de las variaciones étnicas y de edad de los pacientes, aunque su eficacia disminuyó para aquellos menores a 65 años, donde la prevalencia de la enfermedad es estadísticamente baja en el estudio.

En conclusión, la capacidad de detectar tempranamente cambios en la frecuencia de síntomas de EA registrados en las notas médicas tiene el potencial de agilizar las intervenciones médicas y mejorar las vidas de las personas con un riesgo crítico de desarrollar esta enfermedad neurodegenerativa.