menu
close

Análisis de cerumen impulsado por IA detecta el Parkinson con un 94% de precisión

Investigadores chinos han desarrollado un sistema olfativo de inteligencia artificial capaz de detectar la enfermedad de Parkinson analizando compuestos volátiles en el cerumen, con una precisión del 94%. Este innovador método de cribado identifica cuatro biomarcadores químicos específicos en las secreciones del conducto auditivo, lo que podría sustituir costosas pruebas de imagen y listas de verificación diagnósticas subjetivas por una simple y no invasiva toma de muestra con bastoncillo. La tecnología podría transformar la detección precoz y el tratamiento de este debilitante trastorno neurológico.
Análisis de cerumen impulsado por IA detecta el Parkinson con un 94% de precisión

Científicos de la Universidad de Zhejiang, en China, han creado una innovadora herramienta diagnóstica que utiliza inteligencia artificial para detectar la enfermedad de Parkinson mediante el análisis del cerumen, logrando una impresionante tasa de precisión del 94,4%.

El equipo de investigación, liderado por Hao Dong y Danhua Zhu, publicó sus hallazgos en la revista Analytical Chemistry. Su enfoque se basa en el hecho de que el cerumen contiene sebo, una sustancia oleosa cuya composición química varía con la progresión de la enfermedad. A diferencia del sebo cutáneo, el cerumen se encuentra en un entorno protegido, libre de contaminantes externos como la polución o los cosméticos.

El estudio consistió en la recogida de muestras de cerumen de 209 participantes (108 con enfermedad de Parkinson y 101 sin ella). Utilizando sofisticadas técnicas de cromatografía de gases-espectrometría de masas (GC-MS), los investigadores identificaron cuatro compuestos orgánicos volátiles que aparecen en concentraciones significativamente diferentes en pacientes con Parkinson: etilbenceno, 4-etiltolueno, pentanal y 2-pentadecil-1,3-dioxolano.

Posteriormente, el equipo desarrolló un sistema olfativo de inteligencia artificial (AIO) combinando cromatografía de gases con sensores de onda acústica superficial (GC-SAW) y una red neuronal convolucional (CNN). Este modelo de aprendizaje automático fue entrenado para reconocer patrones en los datos cromatográficos que distinguen entre muestras de pacientes con y sin Parkinson.

El diagnóstico actual del Parkinson suele basarse en la observación de síntomas físicos, que a menudo aparecen solo después de una neurodegeneración significativa. La detección precoz es crucial, ya que la mayoría de los tratamientos solo logran ralentizar la progresión de la enfermedad, pero no revertirla. Los métodos diagnósticos tradicionales, como las escalas clínicas y la neuroimagen, pueden ser subjetivos, costosos y pasar por alto casos en fases iniciales.

"Este método es un experimento a pequeña escala y de un solo centro en China", señaló Dong. "El siguiente paso es realizar más investigaciones en diferentes etapas de la enfermedad, en varios centros de investigación y entre distintos grupos étnicos, para determinar si este método tiene un valor de aplicación práctica más amplio".

Si se valida en estudios de mayor envergadura, esta herramienta de cribado de bajo coste y no invasiva podría revolucionar la detección precoz del Parkinson, permitiendo una intervención más temprana y, potencialmente, mejores resultados para millones de pacientes en todo el mundo.

Source:

Latest News