La migraña es una enfermedad neurológica crónica que, según distintos estudios, la padece entre un 12% y un 15% de la población, especialmente mujeres. Su fase más característica es un intenso dolor de cabeza, muy incapacitante para los afectados, que tiene un impacto significativo en la calidad de vida de quien la sufre, así como en los costes de tratamiento y atención médica. Investigadores de la Universidad Politécnica de Madrid (UPM) han utilizado algoritmos de aprendizaje automático sobre datos de pacientes en un estudio en el que han participado ocho hospitales españoles y, como resultado, han desarrollado una innovadora calculadora de aprendizaje automático que permite a los neurólogos anticipar cómo responderán los pacientes con migraña a los nuevos tratamientos en los próximos meses.
Los pacientes con migraña episódica pueden sufrir hasta catorce días de dolor al mes y los pacientes con migraña crónica más de quince, lo que hace de esta enfermedad una de las principales causas de discapacidad en edad laboral. Hay dos tipos de fármacos contra la migraña: los preventivos, que administrados periódicamente reducen el número e intensidad de las crisis, y los de fase aguda que se toman cuando aparece el dolor. Cada episodio de migraña puede variar en intensidad, duración y síntomas, dificultando el tratamiento efectivo. Por tanto, no todos los medicamentos son igual de eficaces en todos los pacientes, lo que podría demorar encontrar el tratamiento más adecuado para cada uno.
Desde hace unos años se utiliza la toxina botulínica como tratamiento preventivo avanzado contra la migraña con buenos resultados, y más recientemente la nueva esperanza para los pacientes: los anticuerpos monoclonales anti-CGRP. Estos últimos cuestan entre 5.000€ y 8.000€ por paciente y año. Son tratamientos caros y no se conoce el perfil del paciente que mejor se beneficiará del tratamiento, por lo que su prescripción se financia si fallan los fármacos clásicos y la toxina botulínica, con el coste y tiempo que todo esto supone.
Un reciente estudio, publicado en European Journal of Neurology, ha desarrollado una herramienta basada en aprendizaje automático que permite a los neurólogos predecir cómo responderán los pacientes a los nuevos tratamientos anti-CGRP en los próximos seis, nueve o doce meses. El sistema predice si el número de crisis mensuales del paciente va a disminuir en un 30% (respondedor), 50% (buen respondedor), o 75% (súper-respondedor).
Cada predicción se arroja con una probabilidad (certeza), dando al profesional un criterio objetivo que permite tomar decisiones más informadas y personalizadas. Los resultados son fiables, fáciles de interpretar por el médico y hacen un uso seguro, transparente y justo de la inteligencia artificial. Si el resultado predicho por la herramienta no es favorable, se podrá suspender el tratamiento y continuar con otro si así lo considera el médico.
La herramienta no utiliza información personal del paciente sino que emplea variables relacionadas con el número de crisis del trimestre anterior, del actual, o de evaluaciones de formularios habituales en la práctica clínica. Los autores han utilizado algoritmos de aprendizaje automático sobre datos de 712 pacientes de un estudio en el que participan ocho hospitales españoles y, en la actualidad, los algoritmos se están mejorando e incluyendo un mayor número de pacientes.
Como señala Josué Pagán, investigador de la Escuela Técnica Superior de Ingenieros de Telecomunicación (ETSIT) de la UPM, que ha formado parte del equipo de investigación, “nuestra herramienta puede desempeñar un papel importante en la mejora de la predicción de la respuesta al tratamiento anti-CGRP en un entorno del mundo real y podría servir como ayuda para el sistema de apoyo a las decisiones. Hasta donde sabemos, esta es la primera herramienta desarrollada en este campo que tiene una posible aplicación clínica práctica y sencilla para los neurólogos que proporcionan este fármaco para tratar la migraña”.
El trabajo de los autores ha sido presentado en el European Headache Congress 2022 y galardonado por la Asociación Madrileña de Neurología. El proyecto se ha realizado en colaboración con la Universidad Politécnica de Madrid y los Servicios de Neurología del Hospital Universitario de la Princesa de Madrid, Hospital Clínico Universitario de Valladolid, Hospital Universitario Fundación Jiménez Díaz, Hospital de La Paz, Hospital Clínico San Carlos, Hospital Universitario Fundación Alcorcón, Hospital Universitario de Fuenlabrada, y Hospital Universitario Severo Ochoa.
Alicia Gonzalez-Martínez, Josué Pagán, Ancor Sanz-García, David García-Azorín, Jaime Samuel Rodríguez-Vico, Alex Jaimes, Andrea Gómez García, Javier Díaz de Terán, Nuria González-García, Sonia Quintas, Rocío Belascoaín, Javier Casas Limón, Germán Latorre, Carlos Calle de Miguel, Álvaro Sierra, Ángel Luis Guerrero-Peral, Cristina Trevino-Peinado, Ana Beatriz Gago-Veiga. 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, 29(10), 3102-3111. 2022. https://doi.org/10.1111/ene.15458
