TOKIO, 29 de diciembre de 2023 – (JCN Newswire) – La Universidad de Oita y Eisai Co., Ltd. (Eisai) anuncian por la presente el desarrollo del primer modelo de aprendizaje automático del mundo para predecir la acumulación de beta amiloide (1) (Aβ) en el cerebro utilizando un sensor de pulsera. Se espera que este modelo permita detectar la acumulación de Aβ en el cerebro, que es un factor patológico importante de la enfermedad de Alzheimer(2) (EA), simplemente recopilando datos biológicos y de estilo de vida de la vida diaria.

Los detalles de este modelo se publicaron en la edición en línea de la revista médica revisada por pares Alzheimer's Research & Therapy el 12 de diciembre de 2023.

En la EA, que se dice que representa más del 60% de las causas de la demencia, el Aβ comienza a acumularse en el cerebro unos 20 años antes del inicio de la enfermedad. Esto ha impulsado el desarrollo de nuevos fármacos terapéuticos dirigidos a Aβ, lo que ha llevado a la aprobación de un anticuerpo monoclonal humanizado anti-Aβ agregado soluble en Japón. La clave para maximizar los efectos del tratamiento del medicamento es detectar la acumulación de Aβ en el cerebro de pacientes con deterioro cognitivo leve antes de la aparición de los síntomas. Actualmente, aunque la acumulación de Aβ en el cerebro se puede detectar mediante tomografía por emisión de positrones(3) (PET de amiloide) y pruebas de líquido cefalorraquídeo*4 (pruebas de LCR), el número de institutos médicos capaces de realizar esas pruebas es limitado, y el alto costo y la invasividad de estas pruebas se consideran problemas. Por lo tanto, se ha buscado el desarrollo de un método de detección económico y fácil de usar para identificar a quienes necesitan pruebas de PET o de LCR de amiloide.

Aunque los factores del estilo de vida, incluida la falta de ejercicio, el aislamiento social y los trastornos del sueño, así como enfermedades como la hipertensión, la diabetes y las enfermedades cardiovasculares, son factores de riesgo conocidos para la EA, hasta ahora, los estudios que aplican modelos de aprendizaje automático para predecir la acumulación de Aβ en el cerebro han demostrado ser positivos. utilizaron únicamente pruebas de función cognitiva, análisis de sangre y pruebas de imágenes cerebrales. Por el contrario, este es el primer estudio de aprendizaje automático que se centra en "datos biológicos" y "datos de estilo de vida".

Este estudio integró “datos biológicos” recopilados por sensores de pulsera, como actividad física, sueño y frecuencia cardíaca, “datos de estilo de vida” obtenidos de consultas médicas, como número de miembros del hogar, situación laboral, frecuencia de salida al aire libre, medios de transporte. , número de días de participación en actividades comunitarias y "antecedentes de los sujetos", como edad, historial educativo, historial de consumo de alcohol e historial médico (hipertensión, accidente cerebrovascular, diabetes, enfermedades cardíacas, enfermedades de la tiroides) para crear un modelo de aprendizaje automático. para predecir los individuos con probabilidades de dar positivo en la prueba PET de amiloide cerebral y evaluaron el rendimiento del modelo. El resultado de este estudio mostró que el Área Bajo la Curva (AUC), un índice de evaluación del modelo de predicción que consiste en “datos biológicos”, “datos de estilo de vida” y “antecedentes de los sujetos”, fue de 0.79, lo que llevó a la decisión de que el El modelo tiene suficiente capacidad para la detección. Este modelo de aprendizaje automático es capaz de predecir la acumulación de Aβ en el cerebro utilizando variables no invasivas fácilmente disponibles. Como resultado, este modelo parece ampliamente aplicable como preselección para personas que viven en áreas con poco acceso a pruebas de PET y LCR de amiloide, y para reducir la carga financiera y física de los pacientes, así como los costos de los estudios clínicos.

Antecedentes y esquema de la investigación

A medida que Japón se ha convertido en una sociedad que envejece con el aumento del número de pacientes con demencia mayores de 65 años, el desarrollo de nuevos agentes terapéuticos para la EA, la causa más común de demencia, es una cuestión urgente. Los hábitos de estilo de vida como la falta de ejercicio, el aislamiento social y los trastornos del sueño, así como enfermedades como la hipertensión, la diabetes y las enfermedades cardiovasculares, son factores de riesgo conocidos para la EA. El desarrollo de fármacos dirigidos a Aβ ha experimentado avances en los últimos años y este año se aprobó en Japón un anticuerpo anti-protofibrillas Aβ. Para maximizar los efectos de este medicamento, es esencial identificar a las personas con deterioro cognitivo leve (DCL) presintomático que probablemente tengan una acumulación elevada de amiloide en el cerebro. Hasta la fecha, aunque se dispone de informes sobre modelos de aprendizaje automático para predecir la acumulación de Aβ en el cerebro mediante pruebas de función cognitiva, análisis de sangre y pruebas de imágenes cerebrales, ninguna investigación se ha centrado en datos biológicos o de estilo de vida. Esta investigación es el primer intento del mundo de crear un modelo de aprendizaje automático para predecir la positividad de amiloide en sujetos mediante el uso de "datos biológicos" recopilados con un sensor de pulsera, incluida la actividad diaria, el sueño, el habla y la frecuencia cardíaca, y "datos de estilo de vida" recopilados a través de Consulta médica.

Resultados e importancia de la investigación, desarrollo futuro

Esta investigación utilizó datos de un estudio de cohorte prospectivo sobre personas mayores sin demencia de 65 años o más que viven en la ciudad de Usuki, prefectura de Oita, realizado entre agosto de 2015 y septiembre de 2019. 122 personas (54 hombres, 68 mujeres, edad media 75.50 años) con leve deterioro cognitivo o deterioro subjetivo de la memoria usaron un sensor de pulsera durante aproximadamente 7 días cada 3 meses. El estudio también recopiló datos sobre el estilo de vida a través de consultas médicas y los sujetos se sometieron a exámenes PET de amiloide regulares (una vez al año) durante el transcurso de 3 años. La investigación evaluó un modelo predictivo creado con tres tecnologías de aprendizaje automático, máquina de vectores de soporte, Elastic Net y regresión logística, para integrar “datos biológicos” recopilados por sensores de pulsera, como actividad física, sueño y latidos del corazón, y “datos de estilo de vida”. obtenidos de consultas médicas, como convivencia con miembros del hogar, situación laboral, frecuencia de salida al aire libre, medio de transporte, número de días de participación en actividades comunitarias, así como los “antecedentes de los sujetos”, como edad, historial educativo, historial del consumo de alcohol y antecedentes médicos (hipertensión, accidente cerebrovascular, diabetes, enfermedades cardíacas, enfermedades de la tiroides). Por ejemplo, mientras que el AUC de un modelo predictivo creado únicamente con "datos biológicos" recopilados por los sensores de la pulsera que utilizan Elastic Net fue de 0.70, el AUC de un modelo predictivo creado con "datos de estilo de vida" adicionales y antecedentes del paciente fue de 0.79, lo que muestra un rendimiento mejorado. . Esta investigación es el primer intento del mundo de crear un modelo de aprendizaje automático para predecir la acumulación de Aβ en el cerebro mediante el uso de "datos biológicos" recopilados con un sensor de pulsera, incluida la actividad diaria, el sueño, el habla y la frecuencia cardíaca, y "datos de estilo de vida" recopilados a través de métodos médicos. consulta, así como los “antecedentes de los sujetos”.

Además, utilizando algoritmos de última generación para identificar múltiples factores que contribuyen a predecir la acumulación de Aβ, se identificaron 22 factores comunes que eran comunes en las tres tecnologías de máquinas de aprendizaje. Se identificaron específicamente la actividad física, el sueño, la frecuencia cardíaca, la cantidad de conversación, la edad, la duración de la educación, la convivencia con o sin hijos, los medios de transporte, la presencia de un acompañante en las visitas al hospital, las frecuencias de comunicación y el número de salidas.

Artículo académico:

Título: Predicción de la positividad amiloide cerebral mediante tomografía por emisión de positrones utilizando modelos de aprendizaje automático interpretables con datos de sensores portátiles y factores de estilo de vida

Autores: Noriyuki Kimura (Departamento de Neurología, Facultad de Medicina, Universidad de Oita) 1,2, Tomoki Aota (Eisai Co., Ltd.) 1, Yasuhiro Aso (Hospital de la Prefectura de Oita), Kenichi Yabuuchi (Departamento de Neurología, Facultad de Medicina , Universidad de Oita), Kotaro Sasaki (Eisai Co., Ltd.), Teruaki Masuda (Departamento de Neurología, Facultad de Medicina, Universidad de Oita), Atsuko Eguchi (Departamento de Neurología, Facultad de Medicina, Universidad de Oita), Yoshitaka Maeda (Eisai Co., Ltd.), Ken Aoshima (Eisai Co., Ltd./Universidad de Tsukuba) 2, Etsuro Matsubara (Departamento de Neurología, Facultad de Medicina, Universidad de Oita)

1. Estos autores contribuyeron igualmente al manuscrito.   
2. Autor correspondiente.

Editor: Investigación y terapia del Alzheimer

Dirija cualquier solicitud de entrevista o consulta a la información de contacto que se proporciona a continuación.

Para obtener más información o cualquier consulta sobre este estudio, Noriyuki Kimura, profesor asociado, Departamento de Neurología, Facultad de Medicina, Universidad de Oita.

(1) Beta amiloide: una proteína considerada una de las causas de la enfermedad de Alzheimer, que se acumula en el cerebro durante unos 20 años antes de la aparición de la enfermedad y forma placas seniles.
(2) Enfermedad de Alzheimer: la causa más común de demencia y sus características patológicas incluyen placas seniles, ovillos neurofibrilares y muerte de células neuronales.
(3) PET con amiloide: una prueba de imágenes cerebrales que visualiza la acumulación de Aβ en el cerebro
(4) Prueba de líquido cefalorraquídeo: una prueba que analiza el líquido cefalorraquídeo en busca de Aβ42, tau fosforilada y tau total como biomarcadores de la enfermedad de Alzheimer.

TEL: +81-(0)97-586-5814, FAX: +81-(0)97-586-6502
Correo electrónico：naika3@oita-u.ac.jp

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.jcnnewswire.com/pressrelease/88364/3/