La IA alcanza un hito médico: logra identificar nueve tipos de demencia con una precisión nunca antes vista.
👤 Por Leo Carranza
En los últimos años, la inteligencia artificial (IA) ha transformado la medicina, pero su aplicación en neurología acaba de alcanzar un logro sin precedentes. Investigadores de la Mayo Clinic han desarrollado un sistema capaz de identificar nueve tipos distintos de demencia con una precisión nunca vista. Esta innovación promete cambiar la forma en que se diagnostican y tratan las enfermedades neurodegenerativas.
El modelo, llamado StateViewer, utiliza imágenes cerebrales obtenidas mediante tomografía por emisión de positrones con fluorodesoxiglucosa (FDG-PET). A partir de ellas, analiza patrones de actividad cerebral para reconocer los signos específicos de diferentes tipos de deterioro cognitivo, como el Alzheimer, la demencia con cuerpos de Lewy o la atrofia cortical posterior.
Según el estudio publicado en Neurology, esta IA logra una sensibilidad del 89% y un nivel de precisión del 93%. En términos simples, puede detectar la enfermedad con una exactitud que supera ampliamente a los métodos tradicionales, convirtiéndose en una herramienta revolucionaria para los especialistas en neurología.
El modelo StateViewer y su innovador enfoque visual
El sistema StateViewer utiliza un algoritmo de aprendizaje automático conocido como k-nearest neighbors, que compara nuevas imágenes FDG-PET con miles de estudios previamente clasificados. Así, identifica similitudes en los patrones de hipometabolismo cerebral, una señal típica de la degeneración neuronal.
Esta estrategia permite que la IA detecte con alta precisión enfermedades como el Alzheimer, la demencia con cuerpos de Lewy, la atrofia cortical posterior o la afasia progresiva primaria, entre otras.
Una de las mayores innovaciones del sistema es su interpretabilidad. A diferencia de otros modelos de caja negra, StateViewer genera mapas visuales que muestran qué regiones cerebrales contribuyen al diagnóstico.
De esta manera, los especialistas pueden comprender y verificar las decisiones de la IA, fortaleciendo la confianza clínica en el diagnóstico inteligente de demencia.
Impacto clínico y validación externa
El estudio, que incluyó más de 3.600 pacientes con una edad media de 68 años, demostró que los neurólogos que utilizaron el sistema tuvieron 3,3 veces más probabilidades de acierto en el diagnóstico que quienes siguieron el protocolo convencional.
La validación externa en la base de datos Alzheimer’s Disease Neuroimaging Initiative confirmó la robustez del modelo, mostrando una exactitud del 91% en la clasificación entre pacientes con demencia y personas sin deterioro cognitivo.
Además, la herramienta destaca por su sencillez operativa: solo requiere una imagen FDG-PET, lo que facilita su integración en entornos hospitalarios sin necesidad de datos genéticos o pruebas adicionales. Este enfoque eficiente acelera el diagnóstico y podría reducir la carga de trabajo en centros con escasez de especialistas.
Diagnóstico inteligente de demencia
La IA detecta tipos de demencia no solo con precisión, sino también con contexto clínico. StateViewer permite distinguir entre síndromes que comparten causas fisiopatológicas, como el Alzheimer y la afasia logopénica, o la demencia frontotemporal y la afasia no fluente.
Estos matices ayudan a los médicos a comprender las diferencias funcionales entre enfermedades similares, reduciendo errores y mejorando la planificación terapéutica.
Los investigadores señalan que este avance podría transformar el abordaje del deterioro cognitivo, especialmente ante el crecimiento global de los casos de demencia.
Al ofrecer diagnósticos más rápidos y fiables, la herramienta permitiría iniciar tratamientos en etapas tempranas, cuando la intervención resulta más efectiva.
Un futuro prometedor para la neurología asistida por IA
El desarrollo de StateViewer representa un paso decisivo hacia una neurología de precisión, donde la tecnología complementa la experiencia humana. Lejos de sustituir al médico, esta IA actúa como un apoyo visual y analítico que amplifica la capacidad diagnóstica.
Su diseño transparente, su rendimiento superior y su aplicabilidad real la posicionan como una herramienta clave frente al creciente desafío del envejecimiento poblacional y la escasez de especialistas en demencias.
Los autores del estudio publicado en Neurology destacan que esta innovación marca el inicio de una nueva etapa en la medicina cognitiva, donde la colaboración entre la inteligencia humana y la artificial podría transformar la detección y el tratamiento de las enfermedades neurodegenerativas.
Referencias
Barnard, L., Botha, H., Corriveau-Lecavalier, N., et al. (2025). An FDG-PET-Based Machine Learning Framework to Support Neurologic Decision-Making in Alzheimer Disease and Related Disorders. Neurology. DOI: 10.1212/WNL.0000000000213831
