En la última década, la inteligencia artificial ha irrumpido en la sociedad a través de nuevas aplicaciones que mejoran el día a día de las personas.
Todos conocemos herramientas de voz como Siri, Alexa y Google pero lo que hay detrás de estas funciones tan habituales hoy en día son modelos matemáticos, a veces tan complejos como las redes neuronales.
En la escoliosis idiopática adolescente (EIA) se están consiguiendo herramientas de diagnóstico y pronóstico de la enfermedad a partir de inteligencia artificial [1], tanto con modelos de aprendizaje automático (Machine learning en su término en inglés) como con modelos de aprendizaje profundo (Deep learning en su término en inglés).
Actualmente, las pruebas diagnósticas y de monitorización de la EIA se basan principalmente en la exploración visual, mediciones de la columna con un escoliómetro, y pruebas confirmatorias mediante técnicas de imagen.
La técnica más usada para el diagnóstico y la monitorización de la EIA son las radiografías de rayos X.
Sin embargo, esta técnica expone al paciente cada seis meses (según protocolo) a un dosis de irradiación, lo que varios estudios han relacionado con una incrementa el riesgo de padecer en el futuro de cáncer, cataratas e inflamación en la piel [2,3].
Estas nuevas herramientas de diagnóstico de IA mejorarán el paradigma actual de la enfermedad. Por ejemplo, ayudarán a los especialistas médicos a decidir si el paciente tendrá que ser operado a futuro en un estadio muy incipiente de la enfermedad o para aplicar un tratamiento determinado a cada paciente (lo que se denomina medicina personalizada) sin irradiar tantas veces al paciente.
Estas herramientas se nutren de datos clínicos de pacientes con escoliosis que participan en ensayos clínicos, controlados y regulados por los organismos establecidos en cada región.
Algunos de estos datos clínicos son extraídos de las radiografías de los pacientes (técnicas del campo de la radiómica), de medidas clásicas en la clínica de los pacientes como el índice Risser o madurez ósea, y de otros tan sencillos de obtener como el género del paciente o la edad.
Además, en los últimos años se están utilizando biomarcadores genéticos y epigenéticos a través del Big Data biológico que las nuevas técnicas de secuenciación masiva aportan al campo de la biomedicina.
EN CONCLUSIÓN:
Este nuevo enfoque multifactorial y con el desarrollo de herramientas basadas en inteligencia artificial será de gran ayuda para la mejora del diagnóstico, pronóstico y tratamiento de la escoliosis idiopática en un futuro cercano.
- Chen, K., et al. Ann. Transl. Med. Jan; 9(1): 67 (2021).
- Bone, C. M. & Hsieh, G. H. J. Pediatr. Orthop. 20, 251–4 (2020).
- Simony, A., et al. Spine J. 25, 3366–3370 (2016).
Gracias a María José Garzón por su ayuda en el desarrollo de este artículo
