2024-01-10 20:00:04
verificado
publicación revisada por pares
fuente confiable
corregir
¡De acuerdo! El profesor de psiquiatría Bo Cao dirigió un equipo interdisciplinario de la U of A que utiliza el aprendizaje automático para predecir la salud física y mental futura de los canadienses mayores mediante el análisis de datos de salud a largo plazo. Crédito: Ross Neitz
× cerrar
El profesor de psiquiatría Bo Cao dirigió un equipo interdisciplinario de la U of A que utiliza el aprendizaje automático para predecir la salud física y mental futura de los canadienses mayores mediante el análisis de datos de salud a largo plazo. Crédito: Ross Neitz
Este enfoque podría algún día utilizarse para ayudar a los equipos de atención médica a brindar atención individualizada y promover un envejecimiento saludable, dice el investigador principal Bo Cao, profesor asociado de psiquiatría, profesor adjunto de ciencias de la computación y catedrático de investigación de Canadá en psiquiatría computacional.
«El aprendizaje automático es un método computacional potente y útil para utilizar datos ricos y no identificados», afirma. «Si queremos impulsar la predicción individualizada de ciertos resultados de salud por parte de los pacientes en el futuro, debemos aprovechar las técnicas de aprendizaje automático».
El equipo de Cao utilizó el aprendizaje automático en dos estudios publicados recientemente para identificar patrones y analizarlos en beneficio de los pacientes con datos del Estudio Longitudinal Canadiense sobre el Envejecimiento (CLSA) de más de 30.000 canadienses de entre 45 y 85 años, a quienes se les dará seguimiento durante hasta 25 años.
«Estos son los datos de primer nivel de Canadá», dice Cao, quien también es codirector del grupo interfacultativo de Psiquiatría Computacional de la U of A. «Nuestro objetivo es contribuir a la salud de los habitantes de Alberta y los canadienses. Esperamos desarrollar una trayectoria de envejecimiento saludable para cada uno de nosotros».
¿Cuántos años tienes realmente?
En el primer artículo, publicado en la revista Gerontology, el equipo desarrolló un índice de edad biológica aplicando modelos de aprendizaje automático a datos de análisis de sangre del CLSA.
Al igual que la comparación realizada en la década de 1970 por el programa Participaction entre los niveles de condición física de un canadiense de 30 años y un sueco de 60 años, su cuerpo puede ser fisiológicamente más viejo o más joven que su edad cronológica. Los investigadores llaman a esa diferencia la «brecha BioAge».
El equipo, que también incluía a Eleni Stroulia, Roger A. Dixon y Russ Greiner de la Facultad de Ciencias, investigó las asociaciones entre la brecha de BioAge y el estilo de vida, los factores ambientales y las condiciones de salud. Informaron fuertes asociaciones para una brecha BioAge positiva («mayor» que la edad cronológica) con enfermedades crónicas, consumo frecuente de carnes rojas y procesadas, tabaquismo y exposición pasiva al humo.
Varios factores modificables, como el consumo de frutas, legumbres y verduras, se asociaron con una brecha BioAge negativa («más joven» que la edad cronológica).
«Comprender estas asociaciones e identificar los factores de riesgo para el envejecimiento diferencial podría guiar recomendaciones efectivas de salud pública para promover una longevidad saludable», informa el equipo en su artículo.
Cao espera que algún día este enfoque también pueda influir en la atención médica que reciben las personas. Dice que el siguiente paso de la investigación será tratar de comprender qué factores o combinación de factores son los más importantes para afectar el proceso de envejecimiento biológico.
Predecir la salud mental futura
En el segundo estudio, publicado en el Journal of Affective Disorders, el equipo desarrolló un programa que predijo con precisión qué personas experimentarían la aparición de depresión en un plazo de tres años.
«Identificamos los síntomas de depresión subumbrales existentes, la inestabilidad emocional, los bajos niveles de satisfacción con la vida, el apoyo social y de salud percibido y el riesgo nutricional como los predictores más importantes de la aparición de la depresión», afirman los investigadores en su artículo.
El modelo tuvo una precisión de alrededor del 70% a la hora de predecir qué participantes del estudio desarrollarían una depresión total en un plazo de tres años a nivel individual, dice Cao, y seguía siendo exacto cuando se eliminaron los síntomas de depresión subumbral.
«Es interesante que incluso usando sólo medidas de personalidad, salud percibida o salud mental, nutrición y otros factores que no son directamente relevantes para los síntomas depresivos y el estrés, la depresión aún se puede predecir», dice Cao.
Cao dice que ni el modelo de aprendizaje automático de salud mental ni el modelo BioAge están lo suficientemente refinados para su implementación en el mundo real en la etapa actual, pero ese es su objetivo, por lo que se planean más investigaciones y pruebas.
«Estamos tratando de establecer una conversación que incluya diferentes grupos (médicos, pacientes y personas con experiencias vividas) para demostrar que este tipo de modelo puede beneficiar al público en general».
Más información:
Yipeng Song et al, Asociaciones entre el envejecimiento diferencial y el estilo de vida, el medio ambiente y las condiciones de salud actuales y futuras: hallazgos del estudio longitudinal canadiense sobre el envejecimiento, gerontología (2023). DOI: 10.1159/000534015
Yipeng Song et al, Predicción del riesgo de aparición de depresión entre adultos de mediana edad y ancianos mediante el aprendizaje automático y la cohorte del Estudio longitudinal canadiense sobre el envejecimiento, Journal of Affective Disorders (2023). DOI: 10.1016/j.jad.2023.06.031
Información de la revista:
Revista de trastornos afectivos
#Aprendizaje #automático #utilizado #para #predecir #salud #futura #medida #las #personas #envejecen