Los investigadores usaron inteligencia artificial y datos genéticos de más de 43.000 personas para hallar patrones biológicos que podrían cambiar el diagnóstico y el tratamiento de uno de los trastornos neurológicos más comunes.
Desde hace décadas, la migraña se ha diagnosticado en gran medida de la manera tradicional, los médicos preguntan a los pacientes qué sienten cuando les duele la cabeza.
PUBLICIDAD
PUBLICIDAD
No existe ningún análisis de sangre, prueba de imagen u otro biomarcador establecido que pueda identificar de forma concluyente el trastorno. En su lugar, los médicos se apoyan en un conjunto conocido de síntomas, dolores de cabeza intensos que a menudo se acompañan de náuseas y sensibilidad a la luz o al sonido.
Sin embargo, nuevas investigaciones apuntan a que la migraña podría dejar una huella biológica mucho más amplia de lo que revelan esos síntomas. Investigadores en Noruega han recurrido al aprendizaje automático para identificar a personas con migraña a partir de información que no incluía sus síntomas de dolor de cabeza y después han utilizado inteligencia artificial para desentrañar grupos diferenciados de pacientes con migraña.
Los resultados, publicados en la revista 'Neurology', plantean la posibilidad de que la migraña no sea en absoluto un único trastorno, sino "un trastorno en forma de espectro que puede identificarse y estratificarse a partir de datos clínicos y biológicos amplios, no solo mediante síntomas específicos de la cefalea", escribieron los investigadores.
"Hay muchas inconsistencias en el diagnóstico de la migraña. Parece que la inteligencia artificial podría ayudarnos a hacer el diagnóstico correcto", dijo Anker Stubberud, médico e investigador en cefaleas en la Universidad Noruega de Ciencia y Tecnología (NTNU).
Esa posible ayuda podría ser decisiva para el tratamiento. Si distintas formas de migraña tienen firmas biológicas diferentes, los médicos quizá puedan llegar a predecir qué pacientes responderán a qué terapias "para que las personas reciban el mejor tratamiento posible", señaló Stubberud, en lugar de depender en gran medida del ensayo y error.
Los investigadores analizaron datos del Trøndelag Health Study, un amplio estudio poblacional noruego cuya información clínica se recopiló en los años noventa y dos mil. Su análisis diagnóstico incluyó a 43.197 personas, entre ellas casi 9.000 clasificadas como afectadas por migraña.
La IA detecta la migraña sin analizar el dolor de cabeza
Los investigadores proporcionaron al modelo de inteligencia artificial decenas de datos sobre la salud y la vida de las personas, entre ellos características demográficas, salud mental, afecciones cardiovasculares y musculoesqueléticas, sueño, ejercicio, uso de medicamentos y otros factores, junto con información genética. Un aspecto clave es que al modelo no se le facilitaron las características definitorias del propio dolor de cabeza.
Aun así, el modelo con mejor rendimiento alcanzó un área bajo la curva de 0,80 en el conjunto de prueba reservado, una medida que indica una discriminación razonablemente sólida entre personas con migraña y controles sin dolor de cabeza. Añadir información genética solo supuso una mejora marginal respecto a utilizar únicamente los datos clínicos.
"El hecho de que la inteligencia artificial pudiera identificar la migraña con tanta precisión sin saber nada del propio dolor de cabeza sugiere que el trastorno deja huellas que van mucho más allá de las crisis", afirmó Stubberud.
Ese resultado es importante por lo que revela sobre la biología de la migraña. La edad fue el predictor más importante, seguida de factores como el dolor de cuello, la menstruación y las náuseas, según el análisis de los investigadores sobre qué elementos impulsaban las predicciones del modelo.
Cuatro tipos de migraña
El estudio dio después un segundo paso, en lugar de pedir a la máquina que distinguiera la migraña de otros dolores de cabeza, los investigadores le pidieron que buscara grupos que aparecieran de forma natural dentro de los datos.
Entre 12.185 personas con información suficientemente completa sobre sus dolores de cabeza, el algoritmo identificó un grupo de 1.425 personas en el que el 94% cumplía los criterios de migraña establecidos por los investigadores. Un grupo mucho más numeroso incluía a personas cuyos dolores de cabeza se clasificaban con mayor frecuencia como no migrañosos. El grupo similar a la migraña podía dividirse a su vez en cuatro subgrupos.
Uno estaba compuesto exclusivamente por hombres. Otro se caracterizaba por un marcado dolor de cuello. Un tercero presentaba más dolor musculoesquelético junto con ansiedad y depresión. El cuarto se parecía más a lo que los médicos podrían reconocer como migraña "clásica", con personas de este grupo que experimentaban aura migrañosa, un conjunto de síntomas neurológicos temporales que pueden aparecer antes o durante una crisis, como destellos de luz, patrones en zigzag, puntos ciegos o zonas centelleantes, pero también hormigueos o pérdida de sensibilidad y dificultad para hablar.
Estos grupos también mostraban diferencias en sus señales genéticas. Los investigadores observaron que las puntuaciones de riesgo genético basadas en aprendizaje automático distinguían mejor entre los grupos que las puntuaciones de riesgo poligénico convencionales.
"Esto refuerza la hipótesis de que la migraña no es una única enfermedad, sino más bien un grupo diverso de distintas afecciones biológicas", dijo Stubberud. Las implicaciones van potencialmente más allá de disponer de una mejor prueba diagnóstica.
Los hallazgos podrían ayudar a explicar una frustración de larga data para pacientes y médicos, por qué un tratamiento que funciona extraordinariamente bien en una persona con migraña puede tener muy poco efecto en otra.