Plataforma de biodetección combinada con aprendizaje automático permite detección de Alzheimer mínimamente invasiva

La enfermedad de Alzheimer es un trastorno neurodegenerativo grave caracterizado por cambios progresivos en la memoria, deterioro cognitivo y cambios en la personalidad, que pueden evolucionar hacia la demencia y la muerte. La detección temprana permite a los médicos dar tratamientos e intervenciones oportunas para el paciente. Actualmente, los médicos se basan en varios biomarcadores (sustancias en un organismo que pueden indicar la existencia de una enfermedad o condición) para detectar la enfermedad de Alzheimer. Sin embargo, recopilar datos que informen sobre estos biomarcadores es costoso y puede llevar mucho tiempo. Ahora, un sistema de aprendizaje automático que se está desarrollando podría proporcionar un enfoque mínimamente invasivo para detectar la enfermedad de Alzheimer lo antes posible.

Un equipo de investigadores dirigido por Penn State (University Park, PA, EUA) recibió una subvención de 1,2 millones de dólares de los Institutos Nacionales de Salud (NIH, Bethesda, MD, EUA) para ayudar a financiar un proyecto para desarrollar un sistema de aprendizaje automático para la detección temprana de la enfermedad de Alzheimer. El equipo de investigación planea diseñar un sistema que utilice una variedad de biosensores, incluidos nanosensores ópticos, mecánicos y electroquímicos, que pueden analizar muestras biológicas. Según los investigadores, los datos de biodetección coinciden bien con las capacidades de las técnicas de aprendizaje automático y la combinación de las dos tecnologías podría incluso allanar el camino a nuevos descubrimientos para otras afecciones y enfermedades. Actualmente, el equipo está analizando muestras biológicas de animales, pero, si estas investigaciones iniciales tienen éxito, los investigadores pasarán a estudiar muestras biológicas humanas.

"Al integrar una plataforma de biodetección multimodal y un marco de aprendizaje automático, esperamos que el sistema mejore la detección temprana de la enfermedad de Alzheimer y mejore la precisión de la detección de EA", dijo Fenglong Ma, profesor asistente de ciencias y tecnología de la información y un co-contratado en el Instituto de Computación y Ciencias de Datos. “La plataforma de biodetección generará diferentes tipos de datos de detección, y el aprendizaje automático tiene como objetivo analizar estos datos para predecir la enfermedad de Alzheimer en la etapa inicial. Dado que los datos de detección son tan diversos o heterogéneos, las técnicas avanzadas de aprendizaje automático pueden ayudar a modelar dichos datos. Además, el aprendizaje automático puede ayudarnos a identificar algunos biomarcadores nuevos de EA”.

"Dados diferentes tipos de datos de detección, por ejemplo, datos adquiridos de diferentes marcadores bioquímicos en fluidos corporales humanos, el aprendizaje automático puede realizar una selección de características y establecer asociaciones entre un biomarcador individual y la enfermedad de Alzheimer, o entre un conjunto de biomarcadores y la enfermedad", dijo Sharon Huang, profesora de ciencias y tecnología de la información y cocontratada en los Institutos Huck de Ciencias de la Vida. “Esperamos que nuestro proyecto pueda resultar en una técnica mínimamente invasiva que pueda detectar la enfermedad de Alzheimer en sus primeras etapas. La técnica también tiene el potencial de ser de alto rendimiento, lo que hace posible su uso en la detección de la enfermedad. También haremos todo lo posible para que la técnica sea precisa, reduciendo los falsos positivos y los falsos negativos en la detección de EA”.

Enlaces relacionados:
Penn State
NIH

Visitar la expo >

Miembro Platino

PRUEBA RÁPIDA COVID-19

OSOM COVID-19 Antigen Rapid Test

Magnetic Bead Separation Modules
MAG and HEATMAG

PRUEBA DE ANTIPÉPTIDO CÍCLICO CITRULINADO

GPP-100 Anti-CCP Kit

Miembro Oro

Prueba de actividad proteasa ADAMTS-13

ATS-13 Activity Assay