Algoritmos matemáticos para la detección precoz del deterioro cognitivo en las farmacias

Los investigadores de la CEU UCH Juan Pardo, María Dolores Guerrero, Lucrecia Moreno, Maite Climent y Javier Muñoz, autores del estudio sobre detección precoz del deterioro cognitivo en farmacias.Investigadores de los Departamentos de Farmacia y Matemáticas de la Universidad CEU Cardenal Herrera (CEU UCH) han colaborado en el diseño de dos algoritmos de inteligencia artificial que mejoran el cribado de casos positivos en la detección precoz del deterioro cognitivo en las farmacias. Estos algoritmos permiten, a su vez, identificar los principales factores de riesgo para desarrollar algún tipo de demencia en el futuro. Este estudio, publicado por la revista científica Frontiers of Pharmacology, se enmarca en el proyecto de investigación financiado con la beca kNOW Alzheimer, que lidera la vicedecana del Grado en Farmacia de la CEU UCH, Lucrecia Moreno, en colaboración con las investigadoras María Dolores Guerrero y Maite Climent, presidenta SEFAC-CV, y los profesores del Grupo ESAI (Embedded Systems and Artificial Intelligence) de la CEU UCH Juan Pardo y Javier Muñoz.

En la fase previa del estudio, 728 personas mayores de 65 años fueron evaluadas en farmacias mediante dos test validados internacionalmente para la detección del deterioro cognitivo: el Short Portable Mental State Questionnaire (SPMSQ) y el Mini-Mental State Examination (MMSE), en su versión en español. A través de estos dos test, realizados en 14 oficinas de farmacia valencianas asociadas a SEFAC, la Sociedad Española de Farmacia Familiar y Comunitaria, se detectaron 128 casos de posible deterioro cognitivo leve, un 17,4% del total, que fueron derivados a los centros de atención primaria para su diagnóstico y posterior remisión al neurólogo. Además, se registraron los resultados de un total de 167 variables de análisis para la detección precoz mediante estos test. Entre ellos, factores como la edad, el sexo, el nivel educativo, las horas de sueño durante el día, el hábito de lectura, la queja subjetiva de pérdida de memoria y la medicación.

Algoritmo para minimizar los falsos negativos

En la actual fase del estudio, ahora publicada por la revista Frontiers in Pharmacology, los resultados obtenidos en los test a los 728 mayores participantes, han sido sometidos a un procedimiento de screening masivo, mediante el diseño de dos algoritmos matemáticos o árboles de decisión. El primero es un árbol de decisión discriminante, para identificar los falsos negativos en los test, es decir, los casos de personas que sí podrían sufrir deterioro cognitivo leve a pesar del resultado de los test, o también para descartar falsos positivos. Este primer algoritmo permitirá, por tanto, mejorar el cribado de la evaluación mediante los test realizados en las farmacias, para remitir a los médicos los positivos detectados en las farmacias, para su diagnóstico clínico. Y también para mejorar el seguimiento de personas que, aunque refieren síntomas de pérdida de memoria, no obtienen resultados positivos en los test.

Modelo predictivo y factores de riesgo

El segundo algoritmo se ha diseñado para definir patrones y diseñar un modelo predictivo, detectando aquellas de las 167 variables de la evaluación mediante los dos test que son más significativas para la detección precoz del deterioro cognitivo. Este modelo predictivo es el que permite identificar los factores de riesgo más destacados para el deterioro cognitivo leve.

Aplicado a los más de 700 casos analizados, este modelo predictivo diseñado por investigadores de la CEU UCH ha confirmado como factores de riesgo para el cribado y, por tanto, como variables más significativas para la detección del deterioro cognitivo leve, las siguientes: ser mujer, dormir más de 9 horas diarias, tener más de 79 años y una baja frecuencia de lectura. Además, consumir fármacos psicoanalépticos, nootrópicos o antidepresivos y fármacos antiinflamatorios son otras de las variables más relevantes detectadas por el algoritmo. Estos resultados han permitido confirmar aquellas variables más significativas entre todas las evaluadas en los test realizados en las farmacias, identificadas como principales factores de riesgo.

Equipo investigador

Según destaca la profesora Lucrecia Moreno, investigadora principal del estudio, “la detección precoz del deterioro cognitivo, como fase previa al desarrollo de demencias como la enfermedad de Alzheimer, es esencial en sociedades como la nuestra, con un envejecimiento de la población en aumento. Las oficinas de farmacia son lugares adecuados para el cribado de personas con factores de riesgo claros, especialmente si las dotamos de las herramientas informáticas adecuadas, como los algoritmos que hemos diseñado en este estudio, para el tratamiento de los datos resultantes de la evaluación a las personas mayores”.

La doctora Lucrecia Moreno ha liderado el equipo integrado por las investigadoras Maite Climent, farmacéutica comunitaria; María Dolores Guerrero, profesora del Departamento de Farmacia de la CEU UCH; y los profesores del Departamento de Matemáticas, Física y Ciencias Tecnológicas de la CEU UCH Juan Pardo Albiach, investigador principal del Grupo ESAI; y Javier Muñoz Almaraz, miembro del Grupo.

Más información sobre el artículo Decision Tree for Early Detection of Cognitive Impairment by Community Pharmacists, en Frontiers in Pharmacology.

Fuente: CEU UCH







RUVID - Red de Universidades
Valencianas para el fomento de la
Investigación, el Desarrollo y la Innovación

C/Serpis, 29 · 2ª planta
Edificio INTRAS
46022 · Valencia · España
Tel: +34 96 162 54 61
ruvid@ruvid.org

©RUVID, Red de Universidades Valencianas para el fomento de la Investigacción, el Desarrollo y la Innovación
​Protección de datos ​Política de cookies