Conclusiones del Paquete de Trabajo sobre Salud Mental y Declive Cognitivo (6)

Título:

Salud mental y declive cognitivo.

Socios:

Starlab.

Reto inicial:

Desarrollo de tecnologías basadas en IA y actividad cerebral para la detección precoz de la Enfermedad del Alzheimer.

Potenciales beneficiarios:

Hospitales, Centros de Atención Primaria, Clínicas de Memoria, industria farmacéutica y sociedad civil.

Tecnologías empleadas:

Electroencefalografía e Inteligencia Artificial.

Beneficios obtenidos o potenciales de la aplicación:

Detección temprana del Alzheimer para ralentizar el desarrollo de la enfermedad mejorando así la calidad de vida de los afectados.

Descripción del desarrollo:

En España, la Confederación Española de Alzheimer (CEAFA 2022) advierte que solo el 30% de los diagnósticos de esta enfermedad se realizan en etapas tempranas. Entre los principales obstáculos se encuentran la falta de información, la escasez de recursos sanitarios y la ineficacia de los métodos tradicionales de evaluación, que suelen ser lentos y poco precisos. Además, los sistemas de atención primaria carecen de herramientas simples, accesibles y rentables para evaluar el estado cognitivo de la población.

El paquete de trabajo PT6 propone una solución innovadora para enfrentar este desafío mediante el uso de tecnologías avanzadas de monitorización cerebral, como la electroencefalografía (EEG), junto con técnicas de Inteligencia Artificial (IA).

Para alcanzar estos objetivos, hemos construido una base de datos basada en actividad cerebral que incluye alrededor de 1000 participantes de diferentes rangos de edad. Entre ellos se encuentran personas sanas, pacientes con Alzheimer, y pacientes diagnosticados con deterioro cognitivo leve o subjetivo. Gracias a la colaboración con la Fundación ACE Alzheimer, también contamos con datos de pacientes con deterioro cognitivo que presentan biomarcadores positivos de Alzheimer, basados en análisis de líquido cefalorraquídeo, así como de aquellos con biomarcadores negativos.

El objetivo final es desarrollar un sistema integrado que facilite la toma de decisiones clínicas fundamentadas en datos. La IA permite generar una única estimación de riesgo combinando múltiples marcadores. Dado que el deterioro cognitivo es difícil de cuantificar objetivamente, las aproximaciones no supervisadas ofrecen ventajas significativas al no depender de un “ground truth” explícito, como ocurre en los métodos supervisados. Además, los marcadores actuales basados en medidas de conectividad entre canales de EEG presentan una alta dimensionalidad, lo que dificulta su análisis. Para abordar estos retos, PT6 emplea técnicas como los autoencoders, que proyectan los datos en espacios de menor dimensionalidad, facilitando tanto la interpretación como la identificación de patrones complejos. Estas aproximaciones no supervisadas se han comparado con métodos tradicionales para evaluar su desempeño.

El resultado es una solución escalable y eficiente para la detección precoz del deterioro cognitivo, que facilita intervenciones tempranas y contribuye a reducir el impacto económico y social del Alzheimer, especialmente en el contexto de una población envejecida.