La osteoporosis es tan difícil de detectar en las primeras etapas que se la llama la «enfermedad silenciosa». ¿Qué pasaría si la inteligencia artificial pudiera ayudar a predecir las posibilidades de pérdida ósea de un paciente incluso antes de llegar al consultorio del médico?
Los investigadores de la Universidad de Tulane avanzaron hacia esa visión al desarrollar un nuevo algoritmo de aprendizaje profundo que superó a los métodos computarizados de predicción del riesgo de osteoporosis existentes, lo que podría conducir a diagnósticos más tempranos y mejores resultados para los pacientes con riesgo de osteoporosis.
Sus resultados fueron publicados recientemente. Los límites de la inteligencia artificial.
Los modelos de aprendizaje profundo han ganado notoriedad debido a su capacidad para imitar redes neuronales humanas y encontrar tendencias en grandes conjuntos de datos sin ninguna programación especial. Los investigadores probaron el modelo de red neuronal profunda (DNN) frente a cuatro algoritmos de aprendizaje automático convencionales y un modelo de regresión tradicional utilizando datos de más de 8.000 participantes de 40 años o más en el Estudio de Osteoporosis de Luisiana. DNN logró el mejor rendimiento de predicción general medido por la capacidad de cada modelo para identificar verdaderos positivos y evitar falsos positivos.
«Cuanto antes se detecte el riesgo de osteoporosis, más tiempo tendrá el paciente para tomar medidas preventivas», afirmó el autor principal Chuan Qiu, profesor asistente de investigación en el Centro de Informática Biomédica y Genómica de la Facultad de Medicina de Tulane. «Nos complació ver que nuestro modelo DNN superó a otros modelos en la predicción precisa del riesgo de osteoporosis en una población que envejece».
Al probar los algoritmos utilizando una gran muestra de datos de salud del mundo real, los investigadores también pudieron identificar los 10 factores más importantes para predecir el riesgo de osteoporosis: peso, edad, sexo, fuerza de agarre, altura, consumo de cerveza, presión diastólica, alcohol. consumo, años de tabaquismo y nivel de ingresos.
En particular, el modelo DNN simplificado que utiliza estos 10 factores de riesgo principales funcionó casi tan bien como el modelo completo que incluía todos los factores de riesgo.
Si bien Qiu reconoció que todavía queda un largo camino por recorrer antes de que el público pueda utilizar una plataforma de inteligencia artificial para predecir el riesgo de osteoporosis de un individuo, dijo que identificar los beneficios de un modelo de aprendizaje profundo es un paso en esa dirección.
«Nuestro objetivo final es permitir que las personas ingresen su información y reciban puntuaciones de riesgo de osteoporosis muy precisas para que puedan buscar tratamiento para fortalecer sus huesos y reducir cualquier daño adicional», dijo Qiu.
