Un nuevo modelo informático impulsado por IA predice la progresión de la enfermedad durante el envejecimiento
Crédito: Unsplash/CC0 Dominio público
Usando inteligencia artificial, un equipo de investigadores de la Universidad de Buffalo ha desarrollado un sistema novedoso que modela la progresión de enfermedades crónicas a medida que los pacientes envejecen .
Publicado en octubre en el Journal of Pharmacokinetics and Pharmacodynamics, el modelo evalúa biomarcadores metabólicos y cardiovasculares procesos biológicos medibles como los niveles de colesterol, el índice de masa corporal, la glucosa y la presión arterial para calcular el estado de salud y los riesgos de enfermedad a lo largo de la vida de un paciente.
Los hallazgos son críticos debido al mayor riesgo de desarrollar enfermedades metabólicas y cardiovasculares con el envejecimiento, un proceso que tiene efectos adversos en los procesos celulares, psicológicos y conductuales.
«Existe una necesidad insatisfecha de enfoques que pueden proporcionar orientación para la atención farmacéutica a lo largo de la vida en presencia de envejecimiento y comorbilidades crónicas», dice el autor principal Murali Ramanathan, Ph.D., profesor de ciencias farmacéuticas en la Facultad de Farmacia y Ciencias Farmacéuticas de la UB. «Esta brecha de conocimiento puede salvarse potencialmente mediante un modelo innovador de progresión de la enfermedad».
El modelo podría facilitar la evaluación de terapias farmacológicas crónicas a largo plazo y ayudar a los médicos a monitorear las respuestas al tratamiento para afecciones como diabetes, colesterol alto y la presión arterial alta, que se vuelven más frecuentes con la edad, dice Ramanathan.
Los investigadores adicionales incluyen al primer autor y ex alumno de la Facultad de Farmacia y Ciencias Farmacéuticas de la UB, Mason McComb, Ph.D.; Rachael Hageman Blair, Ph.D., profesora asociada de bioestadística en la Facultad de Salud Pública y Profesiones de la Salud de la UB; y Martin Lysy, Ph.D., profesor asociado de estadística y ciencia actuarial en la Universidad de Waterloo.
La investigación examinó datos de tres estudios de casos dentro de la tercera Encuesta Nacional de Examen de Salud y Nutrición (NHANES) que evaluó los biomarcadores metabólicos y cardiovasculares de casi 40 000 personas en los Estados Unidos.
Los biomarcadores, que también incluyen mediciones como la temperatura, el peso corporal y la altura, se usan para diagnosticar, tratar y controlar la salud general y numerosas enfermedades .
Los investigadores examinaron siete biomarcadores metabólicos: índice de masa corporal, relación cintura-cadera, colesterol total, colesterol de lipoproteínas de alta densidad, triglicéridos, glucosa y glicohemoglobina. Los biomarcadores cardiovasculares examinados incluyen la presión arterial sistólica y diastólica, la frecuencia del pulso y la homocisteína.
Al analizar los cambios en los biomarcadores metabólicos y cardiovasculares, el modelo «aprende» cómo el envejecimiento afecta estas mediciones. Con el aprendizaje automático, el sistema utiliza una memoria de niveles de biomarcadores anteriores para predecir mediciones futuras, que finalmente revelan cómo progresan las enfermedades metabólicas y cardiovasculares con el tiempo.
Explore más
Una mayor actividad física se asocia con un mejor perfil de factores de riesgo metabólicos para la salud en mujeres menopáusicas Más información: Mason McComb et al, Machine learning-guided, big data-enabled, farmacología de sistemas basada en biomarcadores: modelado de la estocasticidad de la historia natural y la progresión de la enfermedad, Journal of Pharmacokinetics and Pharmacodynamics (2021). DOI: 10.1007/s10928-021-09786-5 Proporcionado por la Universidad de Buffalo Cita: Nuevo modelo informático impulsado por IA predice la progresión de la enfermedad durante el envejecimiento (2021, 7 de diciembre) consultado el 29 de agosto de 2022 en https:/ /medicalxpress.com/news/2021-12-ai-powered-disease-aging.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.