Un método de aprendizaje automático encuentra patrones de deterioro de la salud en la ELA, lo que informa los futuros diseños de ensayos clínicos y el descubrimiento de mecanismos. La técnica también se extiende al Alzheimer y al Parkinson.

Se trata de un nuevo método de aprendizaje automático desarrollado por investigadores del Instituto de Tecnología de Massachusetts (MIT en sus siglas en inglés) y el IBM Research, que tiene como objetivo caracterizar mejor los patrones de progresión de la enfermedad de ELA, para informar el diseño de ensayos clínicos.

Su técnica, de hecho, identificó patrones clínicos discretos y robustos en la progresión de la ELA, muchos de los cuales no son lineales.

Además, estos subtipos de progresión de la enfermedad fueron consistentes entre las poblaciones de pacientes y las métricas de la enfermedad.

El equipo también descubrió que su método también se puede aplicar a las enfermedades de Alzheimer y Parkinson.

“Hay grupos de individuos que comparten patrones de progresión. Por ejemplo, algunos parecen tener ELA de progreso realmente rápido y otros que tienen ELA de progreso lento que varía con el tiempo”, dice Divya Ramamoorthy PhD, especialista en investigación del MIT y autora principal del nuevo artículo sobre el trabajo que fue publicado en Nature Computational Science.

El estudio completo lo puedes ver aquí.