La migraña es una enfermedad neurológica tratable. En la actualidad se dispone de un amplio arsenal de tratamientos, unos analgésicos que se utilizan durante los ataques y otros preventivos que pretenden reducir la frecuencia e intensidad de los ataques.
Los ataques de migraña pueden presentar variaciones significativas en cuanto a su intensidad, duración y síntomas, lo que dificulta la búsqueda de un tratamiento eficaz. Esta variabilidad implica que no todos los fármacos sean igualmente eficaces en todos los pacientes, dificultando así la identificación del tratamiento idóneo para cada individuo.
En este contexto, un equipo de investigadores de la Universidad Politécnica de Madrid en colaboración con ocho centros hospitalarios españoles ha ideado un algoritmo capaz de predecir la respuesta a nuevos tratamientos para la migraña.
Los investigadores han empleado algoritmos de aprendizaje automático -inteligencia artificial (IA)-, los cuales se han nutrido de datos proporcionados por pacientes. Este sistema se basa en variables asociadas al número de ataques del trimestre anterior, del actual, y otras evaluaciones clínicas habituales, sin hacer uso de información personal identificable. Se han utilizado datos de un grupo de 712 pacientes, y se continúa perfeccionando el algoritmo al integrar información de nuevos pacientes. Esto asegura un uso seguro, transparente y justo de la inteligencia artificial.
Los resultados de esta investigación han sido publicados en la revista “European Journal of Neurology”. Los investigadores han logrado crear una herramienta de aprendizaje automático que permite a los profesionales de la salud anticipar la respuesta de los pacientes a nuevos tratamientos para la migraña (monoclonales anti-CGRP) en los próximos seis, nueve o doce meses. Este sistema puede prever si la frecuencia de episodios mensuales disminuirá en un 30% (respondedor), 50% (buen respondedor) o 75% (súper-respondedor). Esta predicción basada en las probabilidades permite a los profesionales adoptar un enfoque más personalizado en el tratamiento de cada paciente, lo que permite obtener resultados fiables y de fácil interpretación.
La capacidad de prever la eficacia de un tratamiento específico en un paciente antes de su implementación no solo ahorra tiempo y sufrimiento al paciente, sino que también mejora la adherencia al fármaco, minimiza posibles efectos adversos asociados a los cambios en el tratamiento, y permite la toma de decisiones más personalizadas, contribuyendo a la optimización de los recursos del sistema sanitario. En caso de que el resultado predicho no sea favorable, se podrá suspender el tratamiento y modificar la terapia en función de las necesidades y respuestas individuales de cada paciente, mejorando así la atención y el cuidado proporcionados.
Esta herramienta desempeñará un papel crucial en la mejora de la predicción de la respuesta a los tratamientos y podría servir como apoyo en la toma de decisiones clínicas. Es considerada como la primera herramienta de IA en este campo con una aplicación práctica.
Fuente:
Alicia Gonzalez-Martinez et al. Machine-learning-based approach for predicting response to anti-calcitonin gene-related peptide (CGRP) receptor or ligand antibody treatment in patients with migraine: A multicenter Spanish study. European Journal of Neurology. 2022, Volume29, 3102-3111. https://doi.org/10.1111/ene.15458