Científicos han desarrollado sofisticados modelos de inteligencia artificial capaces de predecir la edad cerebral con notable precisión utilizando resonancias magnéticas estándar, según una investigación publicada en Nature Communications el 5 de julio de 2025.
El estudio demuestra cómo los algoritmos de aprendizaje profundo, en particular las redes neuronales convolucionales (CNN), pueden analizar datos estructurales de resonancias magnéticas cerebrales para estimar la edad biológica del cerebro de una persona. A diferencia de enfoques anteriores que dependían de características preextraídas, estos modelos de IA aprenden directamente de los datos brutos de las resonancias, captando patrones sutiles que de otro modo podrían pasar desapercibidos.
La diferencia entre la edad cerebral predicha por la IA y la edad cronológica, conocida como brecha de edad cerebral (BAG, por sus siglas en inglés) o diferencia de edad predicha (PAD), actúa como un potente biomarcador de la salud cerebral. Una brecha positiva —cuando la edad predicha supera la cronológica— se ha asociado a deterioros cognitivos, mayor riesgo de enfermedades neurodegenerativas y peores resultados en la salud física y mental.
"La brecha de edad cerebral ofrece una forma de cuantificar la salud cerebral de un individuo midiendo la desviación respecto a la trayectoria normal del envejecimiento", explica el investigador principal. "Esto podría ayudar a identificar personas en riesgo de padecer enfermedades como el Alzheimer o el Parkinson años antes de que aparezcan los síntomas".
El equipo de investigación entrenó sus modelos con miles de escáneres cerebrales de sujetos sanos antes de validarlos en conjuntos de datos independientes. Los modelos lograron una precisión impresionante, con errores absolutos medios de tan solo 4-5 años. Es importante destacar que la tecnología demostró una gran fiabilidad en diferentes equipos y protocolos de escaneo.
Este avance representa un paso significativo hacia la monitorización personalizada de la salud cerebral. A medida que la población mundial envejece, herramientas como esta podrían resultar invaluables para estrategias de intervención temprana, permitiendo potencialmente a los clínicos implementar medidas preventivas antes de que ocurra una neurodegeneración irreversible. Los investigadores ya han comenzado a explorar aplicaciones en entornos clínicos, con resultados preliminares prometedores para la predicción del deterioro cognitivo.