Modelos de inteligencia artificial identifican variables clave para predecir la enfermedad grave en la artritis psoriásica

×
×
¿Estás seguro que deseas eliminar este contenido de tus favoritos?

14 JUN 2022

Modelos de inteligencia artificial identifican variables clave para predecir la enfermedad grave en la artritis psoriásica

 

Alrededor de un tercio de los pacientes con psoriasis (PsO) sufre artritis psoriásica (APs). Se trata de los dos polos principales de lo que hoy en día se conoce como enfermedad psoriásica, cuyo concepto de gravedad presenta un amplio espectro.
En la práctica clínica, resulta esencial conocer las características de la APs que predicen un alto riesgo de gravedad inmediata, entendida como una mayor actividad inflamatoria y una mayor limitación funcional.
Identificar esta gravedad inmediata reversible podría influir positivamente sobre la gravedad a largo plazo, considerada irreversible y estrechamente relacionada con la coexistencia de comorbilidades cardiometabólicas, un mayor daño estructural acumulado y una peor supervivencia.
Este es el punto de partida de un trabajo realizado por especialistas españoles para identificar, mediante técnicas de inteligencia artificial (IA), aquellas características relacionadas con la enfermedad y con el paciente capaces de predecir una mayor gravedad inmediata en la APs de inicio reciente.
Para ello, recurrieron a datos del estudio observacional prospectivo REAPSER, en el que participan 25 centros de 11 comunidades autónomas. El registro incluye a adultos que cumplen los criterios CASPAR y que presentan síntomas de APs desde hace menos de dos años.
 
 
Las variables más importantes en la jerarquía de predicción fueron el dolor global del paciente y el uso de FAME sintéticos
 
 
Publicado en Frontiers in Medicine, el trabajo se realizó con 158 pacientes, el 57% hombres y con una media de edad de 49,35 años. La mayoría (94,3%) sufría PsO. El 79,7% presentaba APs periférica, y el 55,1% con patrón oligoarticular. El 44,9% tenía dactilitis al diagnóstico, y el 27,2% entesitis.
El análisis multivariante reveló que las variables predictoras de enfermedad grave en la siguiente visita fueron el dolor global del paciente, el tratamiento con FAME sintéticos, la forma clínica en el diagnóstico, la proteína C reactiva elevada, la hipertensión arterial y la PsO con afectación en la hendidura glútea y/o la zona perianal.
Algoritmos de aprendizaje automático (AA) entrenados con dichas variables evidenciaron que el dolor y el uso de FAME sintéticos eran las más importantes en la jerarquía de predicción. Los autores apuntan que en pacientes con APs que presentan factores relacionados con la gravedad de la enfermedad o el mal pronóstico no se debería descartar la introducción temprana de biológicos o de terapia dirigida.
A tenor de estos resultados, los autores consideran que el manejo de la APs en la práctica clínica debería apostar por un control riguroso del dolor y la inflamación; la búsqueda activa de PsO oculta en la hendidura glútea y la zona perianal; la búsqueda activa de afectación axial y manejo de la misma; la búsqueda activa de entesitis o sinovitis subclínicas con técnicas de imagen sensibles en pacientes con dolor en aumento; y por el control de los factores cardiometabólicos.
Referencia
Queiro R, Seoane-Mato D, Laiz A, et al. Severe Disease in Patients With Recent-Onset Psoriatic Arthritis. Prediction Model Based on Machine Learning. Front Med (Lausanne). 2022;9:891863. Published 2022 Apr 28. doi:10.3389/fmed.2022.891863
SC-ES-apremilast-00010
 

×
Proceso de indentificación vía OWA
Estamos validando tus datos, en las próximas 48h el equipo de OWA (One Key authentication) se pondrá en conctacto contigo para finalizar el proceso de registro.