Inteligencia Artificial y Resonancia Magnética: Una Herramienta Prometedora para Detectar el Deterioro Cognitivo en el Parkinson
Un nuevo metaanálisis valida la alta precisión diagnóstica de la inteligencia artificial aplicada a imágenes por resonancia magnética en pacientes con Parkinson y deterioro cognitivo leve.
Madrid, 20 de julio de 2025 — Un reciente estudio publicado en la revista Parkinson’s Disease ha revelado hallazgos prometedores sobre el uso de la inteligencia artificial (IA), concretamente algoritmos de aprendizaje automático, combinados con la resonancia magnética (RM) para detectar el deterioro cognitivo leve en pacientes con enfermedad de Parkinson (PD-MCI, por sus siglas en inglés). La investigación, que analizó datos de 10 estudios internacionales con más de 1.000 pacientes en total, demuestra que esta tecnología alcanza una precisión diagnóstica destacable, con una sensibilidad del 82% y una especificidad del 81%.
La identificación temprana del deterioro cognitivo en el contexto del Parkinson es crucial, ya que puede preceder a la demencia y comprometer gravemente la calidad de vida de los pacientes. Sin embargo, las herramientas de diagnóstico convencionales, como las pruebas neuropsicológicas, pueden resultar laboriosas, costosas y, en ocasiones, poco sensibles a los sutiles cambios cognitivos que caracterizan el PD-MCI.
En este contexto, la combinación de la RM con técnicas de IA emerge como una solución innovadora. «El uso del aprendizaje automático permite detectar patrones complejos en las imágenes cerebrales que de otro modo pasarían desapercibidos», señala el informe. El estudio utilizó modelos como máquinas de vectores de soporte (SVM), bosques aleatorios (RF), redes neuronales (NN) o algoritmos de gradiente como XGBoost, entrenados con datos cerebrales de pacientes diagnosticados y no diagnosticados con PD-MCI.
Entre los tipos de imágenes analizadas destacan la resonancia magnética basada en difusión (DTI), que detecta alteraciones en la sustancia blanca del cerebro, y las técnicas de mapeo cuantitativo de susceptibilidad (QSM), útiles para medir acumulaciones de hierro cerebral asociadas al deterioro cognitivo.
«Los resultados demuestran que los modelos de aprendizaje automático aplicados a la RM no solo son precisos, sino también reproducibles en distintos contextos clínicos y poblaciones geográficas», explican los autores, quienes evaluaron estudios procedentes de países como China, España, Japón, Corea del Sur y Reino Unido.
Los análisis estadísticos mostraron que la probabilidad de que un paciente con deterioro cognitivo dé positivo en esta prueba es más de cuatro veces superior a la de uno sin deterioro, mientras que un resultado negativo reduce la probabilidad de diagnóstico a menos de una cuarta parte. Además, la curva ROC resumen (SROC) presentó un área bajo la curva (AUC) de 0,85, indicando una alta precisión global del método.
A pesar de los avances, los autores del estudio subrayan algunas limitaciones: la falta de estandarización en los algoritmos utilizados, la variedad de protocolos de resonancia y el tamaño reducido de las muestras analizadas. Por ello, insisten en la necesidad de ampliar los estudios con cohortes más grandes, armonizar los métodos de adquisición de imágenes y optimizar los modelos de IA para su implementación clínica.
En última instancia, este metaanálisis refuerza el potencial clínico de la inteligencia artificial en el diagnóstico temprano del deterioro cognitivo en el Parkinson. La integración de estas nuevas herramientas podría revolucionar el abordaje de la enfermedad, permitiendo terapias más oportunas y personalizadas. Como concluyen los investigadores: “Este enfoque tiene la capacidad de cambiar significativamente el paradigma diagnóstico, contribuir a una detección precoz y mejorar sustancialmente la calidad de vida de los pacientes con enfermedad de Parkinson”.
Por Redacción Ciencia & Salud | Fuente: Parkinson’s Disease Journal
