‘Análisis de datos’

El envejecimiento es cosa de hoy en los informativos

Dedicados a analizar datos de ciencia y en particular del ámbito del envejecimiento, nos surgía una curiosidad. ¿Cómo tratan los servicios informativos españoles, las noticias relacionadas con envejecimiento y longevidad?, ¿Cuánto se menciona la relación de este ámbito con la ciencia?

Este análisis se antojaba cuanto menos muy complicado, más allá de tener una idea subjetiva del que el tratamiento de este tipo de noticias era escaso y casi siempre centrado en el tema de las pensiones.

Cuando más abandonada estaba esta idea en lo más profundo del cajón, apareció en nuestro camino Civio que es una Fundación dedicada a investigar a los poderes públicos mezclando periodismo y análisis de datos a partes iguales, que ha desarrollado una herramienta denominada Verba que es un interesante proyecto de código abierto para analizar las temáticas que trata Televisión Española (TVE) en sus informativos, bajo una muy interesante idea como es la captura de todos los subtítulos de los vídeos de los telediarios de TVE y analizar su contenido.

Aprovechando la generosidad y el trabajo de Civio, retomamos la idea original capturando aquellos subtítulos de los informativos de TVE que hicieran mención sobre el envejecimiento, la longevidad y las personas mayores e intentar desarrollar un análisis más en profundidad desarrollando un tratamiento de los datos y mediante el procesamiento del lenguaje natural.

Así comenzamos manos a la obra a capturar datos de Verba y analizar los datos mediante Python

La fórmula de búsqueda o términos que se han buscado en los subtítulos del telediario han sido: envejecimiento | longevidad | envejec*| “personas mayores” | longev*

Se han obtenido 784 menciones a estos términos desde finales del 2013, año en el que TVE implanto el servicio de transcripciones en sus vídeos de informativos.

Los datos descargados tienen el siguiente formato:

Que nos indica el identificador y el enlace al vídeo de la noticia, el contenido de los subtítulos, el tiempo que dura y la fecha en la que se emitió.

Tras el tratamiento de los datos, se obtienen el tiempo que dura la noticia, la fecha, las noticias que se relacionan con la ciencia o la investigación, la sesión del telediario a la que se refiere la noticia (sesión de mediodía o de la noche), la cantidad de veces que se mencionan los términos longevidad, envejecimiento o personas mayores dentro de cada noticia, etc.

Los detalles de este procesamiento de datos se pueden consultar en la web del proyecto en Github.

Finalmente se realiza un procesamiento del lenguaje natural con el campo del contenido de los subtítulos para procesar aquellas palabras clave que más se mencionan y determinar qué aspectos del envejecimiento o longevidad son más tratados en los servicios informativos.

Algunas conclusiones del análisis son:

  • Se producen más menciones a noticias sobre envejecimiento en los telediarios de mediodía (415 menciones) frente a las sesiones nocturnas de los telediarios (356 menciones)
  • Al contrario de los esperado, sólo un 1,18% de las noticias mencionadas se refieren también a temas de pensiones.
  • Sin embargo, se produce un hecho destacable y es una proporción no despreciable (casi un 8%) de menciones a noticias de envejecimiento relacionadas también con ciencia, investigación o innovación.
  • La serie temporal de número de menciones a diario de los términos buscados tiene su pico en el año 2015, con cerca de 17 menciones en un solo día. Se aprecia que las menciones relacionadas con ciencia o investigación muestran una ligera tendencia de crecimiento en los últimos años, destacando un pico de 5 menciones en un día en el 2019.

  •  Si analizamos las menciones por estacionalidad anual, se aprecia que los meses de invierno, se mencionan más noticias sobre los términos de estudio que los de verano.
  • Al darle un vistazo a la tendencia general en las menciones sobre envejecimiento, longevidad o personas mayores en los telediarios durante el periodo de estudio, sin tener en cuenta el 2013 ni el 2020 por la falta de datos completos del año, se observa una ligera tendencia creciente del interés en este ámbito en las noticias.

  • Analizando el tiempo de duración o tratamiento de las noticias sobre envejecimiento, observamos que la tendencia se aprecia constante a lo largo de los años en los que se tratan este tipo de noticias con una duración media de este tipo de noticias cercano a los 4 minutos.

  • Procesando los textos para eliminar todas aquellas palabras sin información relevante y tratando de identificar aquellas temáticas más tratadas en las noticias sobre envejecimiento, se observa que en gran medida las noticias del envejecimiento se abordan desde el aumento de la población mayor, realizando en gran medida una lectura de esta dinámica poblacional como un problema de la sociedad actual. Curiosamente un concepto que se repite con frecuencia en las noticias sobre envejecimiento son los niños y jóvenes, tratando estos temas desde varios ángulos: tratamiento de la información sobre niños y personas mayores como dos de las comunidades más vulnerables en la sociedad, el menor nivel de natalidad como uno de los parámetros más influyentes en el envejecimiento poblacional, desde la perspectiva del cuidado, desde el punto de vista de las dificultades para la juventud en iniciar su vida laboral, lo que redunda en los problemas de las pensiones.

  • Otros conceptos que tienen especial protagonista en las noticias son los aspectos relacionados con la salud y las enfermedades propias del envejecimiento, la calidad de vida, la soledad, el hogar y los conceptos asociados a la familia, destacando la presencia de las referencias a la mujer por encima de las referencias al hombre asociadas a las noticias sobre envejecimiento.
  • Cómo se mencionaba anteriormente, también existen referencias a conceptos entorno a la investigación sobre aspectos relacionados con el envejecimiento entre los que más destacan por su frecuencia de mención, aspectos genéticos especialmente relacionados con los telómeros y las investigaciones con modelos animales como los ratones.
  • Es importante mencionar que hay aproximadamente un 4% de noticias que se refieren al envejecimiento del parque móvil español que habría que eliminar del análisis.

  • Otro aspecto que era interesante estudiar era el análisis de los Bi-gramas y Tri-gramas, es decir aquellas expresiones de dos o tres palabras que con frecuencia aparecen siempre juntas en el contenido de las noticias y que nos pueden dar información adicional de conceptos que hayamos podido pasar por alto en el primer análisis de palabras clave. Se puede apreciar aquí, los conceptos del aumento de la esperanza de vida de la población y la mejora de la calidad de vida son los más recurrentes en las noticias, otros aspectos que se muestran con cierta frecuencia son los relativos a los problemas de la movilidad reducida de las personas mayores, al concepto de grupo especialmente vulnerable por sus factores de riesgo y las menciones a la OMS como referente en estos aspectos. Además, es curioso que sigue siendo recurrente la asociación con niños y mujeres embarazadas.
  • Curioso también la presencia de algunos conceptos en los que las noticias se han parado a mencionar con cierta frecuencia. Entre ellas las menciones al hombre más longevo del mundo, el español Francisco Núñez que finalmente falleció en el año 2018 con 6 noticias relacionadas a lo largo del 2017-2018. Otras de las menciones a priori curiosas es la mención repetida de la Guardia Civil, relacionados con actuaciones en defensa de víctimas de delitos relacionadas con personas mayores. Y la mención de Sammy Basso, un joven con progeria una enfermedad de envejecimiento acelerada.

Para más detalles del análisis desarrollado e Python puede consultar el jupyter notebook en Github.

Etiquetas: , , , , , ,
Categorias: Análisis de datos

Análisis de tendencias en las redes sociales sobre envejecimiento (Parte1)

La popularización de las redes sociales ha cambiado la forma de comunicarse entre la sociedad actual y la influencia que tienen sobre la forma en la que los individuos se informan de las tendencias en diferentes áreas de interés. Muchas de estas redes sociales contienen una enorme cantidad de datos y vinculación que se pueden aprovechar para analizar que ámbitos temáticos tienen mayor interés y quienes son los referentes que promueven esa información.

Con esta idea, un estudio que hemos desarrollado es el análisis de la red social de Twitter para tratar de tener una fotografía de cómo se trata el ámbito del envejecimiento entre los usuarios interesados en estos aspectos. Las redes sociales se pueden considerar estructuras formadas por nodos que representan a individuos u organizaciones y enlaces de relación, por lo que el análisis pretende detectar las tendencias o temas más populares que centran el interés de los usuarios en el ámbito del envejecimiento y además en una segunda parte analizamos la polarización del sentimiento que se percibe por parte de los usuarios al tratar estas temáticas. Otro de los aspectos que se han tratado de analizar es la detección de usuarios o redes de usuarios influyentes dentro de la red social que centran el flujo de información.

Para llevar a cabo este análisis, como se mencionaba, se ha elegido Twitter como la fuente de recursos de datos debido a que es ampliamente utilizado y simple en su mecánica de difusión de tal manera que su exploración es accesible y suficientemente amplia para tener una relevancia estadística.  El análisis se ha focalizado sobre el contenido en español de la red social y sobre los usuarios que tuvieran interés en los ámbitos del “envejecimiento, longevidad y personas mayores”.

A través de la conexión con la API de Twitter y mediante la librería advertools y el uso del lenguaje de programación de Python, se descargaron unos 10.000 tweets fechados en diciembre de 2019.

Comentar que la propia API de Twitter limita la descarga de tweets a los últimos 7 días anteriores a la consulta, por lo que el análisis lo realizamos centrados en la segunda semana de diciembre de 2019 cuando se realiza la descarga masiva.

A partir de este dataset en bruto, realizamos una limpieza quedándonos con los campos más interesantes con los que desarrollar el análisis de grafos de la red. Para obtener más detalles de todo el proceso de minería de datos puede acceder a la página del proyecto en Github.

Una vez limpiado los datos, se configura el grafo para su posterior análisis. Comentar que el análisis del grafo pretende identificar comunidades principales o emergentes en los que se produce una relación más fuerte de seguimiento entre los usuarios, y que nos puede determinar la interacción de las distintas comunidades y determinar similitudes y diferencias entre ellas y determinar cuáles son las más influyentes y en qué ámbitos potencialmente tienen mayor interés. Nuestro análisis se centra en identificar a los influencers clave dentro de las distintas comunidades detectadas.

Gephi

Con el grafo configurado, lo analizamos en Gelphi bajo algunos parámetros e indicadores.

Tratamos de identificar quienes son estos usuarios más influyentes en las redes en la temática de envejecimiento. Podemos observar el top 5 de los usuarios que más menciones reciben de otros usuarios dentro de los tweets, por lo que podríamos mencionar que tienen credibilidad entre la comunidad de usuarios interesados en estas temáticas.

También podríamos destacar el top 5 de los más relevantes en la red, es decir la capacidad de influir un nodo en la red.

Si realizamos un filtrado por la modularidad[1] de los nodos obtenemos 5 principales comunidades de usuarios o subredes que presentan mayor interacción entre ellas. Sí etiquetamos esas redes para identificarlas y las filtramos por su influencia en la red obtenemos el siguiente grafo:

Vamos a focalizar sobre las comunidades más relevantes dentro de la red y detectar qué usuarios son los influyentes dentro del ámbito temático analizado.

Sin duda el que forma una comunidad más definida con un mayor número de seguidores es la de color rojo, cuyo centro neurálgico de la actividad se centra en el usuario @sninobecerra que corresponde al perfil de twitter del economista Santiago Niño Becerra, catedrático de ‘Estructura Económica’ en IQS de la Universidad Ramon Llull de Barcelona y que dispone de 184.000 seguidores. Sí realizamos un procesamiento del texto para eliminar las palabras vacías de información mediante el corpus de “stopwords” disponible en la librería nltk de Python y lo añadimos a una nube de palabras para mejorar la visulización obtenemos, que la temática que más preocupa en esta red de alta influencia trata sobre los ámbitos económicos que influyen en el envejecimiento poblacional concretamente aspectos relacionados con la baja natalidad, la productividad laboral y la influencia sobre el PIB nacional.

Si nos centramos en la Comunidad verde, que podríamos considerar cómo el segundo centro de actividad más relevante, se observa que este flujo de información está liderado también por un nodo o usuario denominado @elbotiquinmx con 36.000 seguidores y que corresponde con una publicación mejicana dedicada a difundir temas de prevención de la salud y bienestar. Si volvemos a fijarnos en las palabras más repetidas en todos los tweets de la comunidad verde, las temáticas en las que se centran es en el debate sobre qué momento se inicia el envejecimiento o hábitos saludables para ralentizarlo.

La comunidad morada aparece muy aislada en las aristas o vínculos que se unen con el resto de la red, lo que hace sospechar que puede tratarse de una temática no directamente relacionada con el ámbito que nos ocupa. Al analizar su nodo más influyente, comprobamos que la temática que se trata corresponde con las recientes protestas hacia Evo Morales y su aspecto envejecido, lo que hace que descartemos esa comunidad para el interés de este análisis.

Por último, revisamos la comunidad naranja y azul, que, siendo menos influyentes en la red completa, pero destacan dentro del resto de subredes. En el caso de la comunidad naranja, se destacan dos nodos más influyentes por un lado comentando aspectos relacionados con el ejercicio y a través de nodos puente conectados con otro de los nodos influyentes que se centra en temas de nutrición y cómo influye esto en el envejecimiento.

 

 

 

En el caso de la Comunidad azul, se encuentra más desperdigada, pero con más enlaces con el resto de nodos por lo que seguramente las temáticas tratadas sean más amplia y no centradas en un solo tema. En este caso se aprecian varios nodos influyentes, entre los que destacan @GrandesAmigos_ que es un ONG dedicada a prevenir la soledad en las personas mayores, @FPilares que es una Fundación para apoyar la dignidad a lo largo de la vida, entre otros.

 

 

—————-

 [1] La modularidad es una medida de la estructura de las redes o grafos. Fue diseñado para medir la fuerza de la división de una red en módulos (o comunidades). Las redes con alta modularidad tienen conexiones sólidas entre los nodos dentro de los módulos, pero escasas conexiones entre nodos en diferentes módulos.
Etiquetas:

Enfermedades neurodegenerativas identificadas mediante inteligencia artificial (actualización)

Un grupo de investigadores de la Escuela de Medicina de Icahn del Monte Sinaí y publicado en la revista médica Laboratory Investigation han desarrollado una plataforma de inteligencia artificial para detectar una variedad de enfermedades neurodegenerativas en muestras de tejido cerebral humano, incluida la enfermedad de Alzheimer y la encefalopatía traumática crónica. Su descubrimiento ayudará a los científicos a desarrollar biomarcadores y terapias dirigidas, lo que dará como resultado un diagnóstico más preciso de enfermedades cerebrales complejas que mejoren los resultados de los tratamientos a los pacientes diagnosticados.

La acumulación de proteínas tau anormales en el cerebro en las marañas neurofibrilares es una característica de la enfermedad de Alzheimer, pero también se acumula en otras enfermedades neurodegenerativas, como la encefalopatía traumática crónica y otras afecciones relacionadas con la edadEl diagnóstico preciso de las enfermedades neurodegenerativas es todo un reto y requiere un especialista altamente capacitado.

Los investigadores del Centro de Patología Computacional y de Sistemas en Mount Sinai desarrollaron y utilizaron esta plataforma para aplicar enfoques de aprendizaje automático eficaces en portaobjetos microscópicos digitalizados preparados con muestras de tejido de pacientes con un espectro de enfermedades neurodegenerativas. Aplicando el aprendizaje profundo (deep learning), estas imágenes se utilizaron para crear una red neuronal convolucional capaz de identificar enredos neurofibrilares con un alto grado de precisión directamente de las imágenes digitalizadas.

La utilización de la inteligencia artificial tiene un gran potencial para mejorar nuestra capacidad de detectar y cuantificar enfermedades neurodegenerativas, lo que representa un gran avance sobre los enfoques existentes que requieren mucha mano de obra y son poco reproducibles. En última instancia, este proyecto tiene el potencial de poder conseguir un diagnóstico más eficiente y preciso de las enfermedades neurodegenerativas.

Este es el primer marco disponible para evaluar algoritmos de aprendizaje profundo utilizando datos de imágenes a gran escala en neuropatología. La plataforma permite la gestión de datos, la exploración visual, la descripción de objetos, la revisión de múltiples usuarios y la evaluación de los resultados del algoritmo de aprendizaje profundo.

Los investigadores han usado técnicas avanzadas de computación y matemáticas junto con tecnología de microscopio de vanguardia, visión computacional e inteligencia artificial para clasificar con mayor precisión una amplia gama de enfermedades.

El departamento de patología académica del Mount Sinai es de los más grandes de USA y procesa más de 80 millones de pruebas al año, lo que da lugar a una oferta para los investigadores para el acceso a un amplio conjunto de datos que pueden utilizarse para mejorar las pruebas y los diagnósticos.

Actualización (05/06/2019)

Otro grupo de investigadores del Departamento de Patología y Medicina del Laboratorio de la Universidad Davis en California, han diseñado una “red neuronal convolucional” (CNN), un programa de computadora diseñado para reconocer patrones basados en miles de ejemplos etiquetados por humanos. Para ello, el equipo de investigación ha ideado un método para etiquetar rápidamente decenas de miles de imágenes de una colección de medio millón de imágenes de primer plano de tejido de 43 muestras de cerebro sano y enfermo y donde demostraron que su algoritmo podría procesar una diapositiva completa de todo el cerebro con 98.7% de precisión, con una velocidad limitada solo por la cantidad de procesadores de computadora que utilizaron. Estas herramientas de aprendizaje automático no es mejor para identificar las placas que los propios neuropatólogos (que son los encargados de etiquetar los casos para posteriormente entrenar el algoritmo), pero es incansable y escalable. Se podría decir que estas nuevas técnicas son un copiloto, un multiplicador de fuerza que extiende el alcance de lo que podemos lograr y nos permite hacer preguntas que nunca hubiéramos conseguido manualmente. Por ejemplo, podemos buscar placas raras en lugares inesperados que podrían darnos pistas importantes sobre el curso de la enfermedad, etc.

Referencias:

  • Maxim Signaevsky, Marcel Prastawa, Kurt Farrell, Nabil Tabish, Elena Baldwin, Natalia Han, Megan A. Iida, John Koll, Clare Bryce, Dushyant Purohit, Vahram Haroutunian, Ann C. McKee, Thor D. Stein, Charles L. White, Jamie Walker, Timothy E. Richardson, Russell Hanson, Michael J. Donovan, Carlos Cordon-Cardo, Jack Zeineh, Gerardo Fernandez, John F. Crary. Artificial intelligence in neuropathology: deep learning-based assessment of tauopathyLaboratory Investigation, 2019; DOI: 10.1038/s41374-019-0202-4
  • Ziqi Tang, Kangway V. Chuang, Charles DeCarli, Lee-Way Jin, Laurel Beckett, Michael J. Keiser, Brittany N. Dugger. Interpretable classification of Alzheimer’s disease pathologies with a convolutional neural network pipelineNature Communications, 2019; 10 (1) DOI: 10.1038/s41467-019-10212-1
Etiquetas: , , , , , ,

El famoso “Big Data” también nos puede ayudar a entender mejor los trastornos neurodegenerativos

Brain Art

Científicos del Centro de Bioinformática Tropical y Biología Molecular de la Universidad de James Cook (Australia) como parte de un equipo internacional más amplio, ha utilizado un nuevo enfoque mediante el análisis de gran volumen de datos para conseguir un avance en la comprensión de distintos trastornos neurodegenerativos como el Alzheimer y el Parkinson, mediante la observación de las distintas combinaciones de comunicación entre las neuronas.

El equipo de investigadores estudiaron la multitud de datos que se producen en los procesos sinápticos (comunicación entre las neuronas), que es un lugar donde los trastornos y enfermedades neurológicas pueden interferir con las funciones normales del cerebro. Esta ingente cantidad de datos es muy difícil de procesar y obtener patrones de funcionamiento, sin embargo con las nuevas técnicas y capacidades de procesado computacional actuales se pueden mapear las rutas de proteínas que las neuronas utilizan para comunicarse entre sí (neurotransmisión) y tratar de ver si se puede identificar patrones de actividad relacionados con la memoria.

Estos hallazgos y metodologías, abren nuevos caminos para estudiar las vías proteicas que subyacen a la neurotransmisión y cómo podrían estar relacionadas con las distintas enfermedades y trastornos neurológicos.

Este equipo de científicos está publicando el documento que detalla los métodos computacionales y los miles de nuevos sitios de proteínas identificados como un recurso para la comunidad científica y que sobre ellos se puedan desarrollar nuevos estudios y análisis.

Referencia: Kasper Engholm-Keller, Ashley J. Waardenberg, Johannes A. Müller, Jesse R. Wark, Rowena N. Fernando, Jonathan W. Arthur, Phillip J. Robinson, Dirk Dietrich, Susanne Schoch, Mark E. Graham. The temporal profile of activity-dependent presynaptic phospho-signalling reveals long-lasting patterns of poststimulus regulationPLOS Biology, 2019; 17 (3): e3000170 DOI: 10.1371/journal.pbio.3000170

Etiquetas:

La edad es algo más que un número. El aprendizaje automático podría predecir el envejecimiento

Los profesionales médicos y la ciencia han observado durante mucho tiempo que la edad biológica y la edad cronológica no siempre coinciden. Un niño de 5 años puede presentar muchos signos de vejez y padecer numerosas enfermedades relacionadas con la edad, mientras que un una persona mayor de 80 años puede ser sano y robusto. Si bien los factores ambientales como la dieta, la actividad física y otros factores juegan un papel muy importante, hay muchos otros factores que contribuyen también a diferenciar cómo algunas personas envejecen mejor que otras. Esos factores siguen siendo aún poco conocidos…

Hace pocos días un estudio publicado en la revista Genome Biology , un equipo de investigadores del Instituto Salk de Estudios Biológicos de California, ha desarrollado un proyecto de investigación mediante el análisis de células de la piel en muestras humanas tomados de 133 individuos sanos con edades comprendidas entre 1 y 94 años, con el objetivo de encontrar ”firmas moleculares” que puedan predecir la edad biológica. Los investigadores se centraron en un tipo de célula de la piel llamada fibroblastos dérmicos, que generan tejido conectivo y ayudan a la piel a sanar después de una lesión. Eligieron este tipo de células por dos razones: primero, las células son fáciles de obtener con una biopsia de piel simple y no invasiva; en segundo lugar, estudios anteriores indicaron que es probable que los fibroblastos contengan firmas de envejecimiento. Esto se debe a que, a diferencia de la mayoría de los tipos de células que se regeneran por completo cada pocas semanas o meses, un subconjunto de estas células permanecen durante toda nuestra vida.

Para obtener una muestra representativa, el equipo estudió un promedio de 13 personas por cada década de edad. El laboratorio cultivó las células para multiplicarlas, luego usó un método llamado secuenciación del ARN (RNA-Seq) para buscar biomarcadores en las células que cambian a medida que las personas envejecen. La peculiaridad de la investigación ha sido la utilización de técnicas de aprendizaje automático e inteligencia artificial mediante el entrenamiento de algoritmos personalizados para clasificar los datos del RNA-Seq. El equipo encontró ciertos biomarcadores que indicaban el envejecimiento y podían predecir la edad de una persona con un error de menos de ocho años de promedio. Para la validación del algoritmo, el equipo utilizó fibroblastos de 10 pacientes con progeria, una enfermedad genética caracterizada por el envejecimiento prematuro. Basado en el análisis de las firmas moleculares de estos pacientes, que tenían entre dos y ocho años, el modelo predijo que sería aproximadamente una década mayor que su edad cronológica.

El objetivo de perfeccionar este algoritmo es que pueda predecir un envejecimiento saludable y un envejecimiento no saludable, y tratar de encontrar las diferencias. El estudio trata de proporcionar una base para abordar las cuestiones no resueltas en el envejecimiento humano, como es la cuantificación de la tasa de envejecimiento en momentos de estrés.

El análisis del equipo de Salk fue diferente de los enfoques anteriores tomados por otros laboratorios para estudiar el envejecimiento biológico. La mayoría de los estudios anteriores se centraron en los cambios en solo unos pocos sitios de metilación del ADN, en lugar de observar los cambios de expresión en todo el genoma. El conjunto de datos también fue mucho más grande que cualquier investigación de este tipo que se haya hecho antes, porque incluía a muchas personas que representan un rango de décadas. Los investigadores han hecho públicos los datos para que otros investigadores puedan usarlos.

Desarrollar una mejor comprensión de los procesos biológicos del envejecimiento podría eventualmente ayudar a abordar las condiciones de salud que son más comunes en la vejez, como las enfermedades cardíacas y la demencia. Además si los hallazgos son validados, los médicos podrían usar este tipo de análisis para determinar cuándo comenzar a evaluar a sus pacientes para detectar afecciones relacionadas con la edad y aconsejarles de forma preventiva sobre opciones de estilo de vida saludables más personalizadas.

El siguiente paso de la investigación será buscar estas firmas moleculares en otros tipos de células para confirmar estas hipótesis.

Referencia: Jason G. Fleischer, Roberta Schulte, Hsiao H. Tsai, Swati Tyagi, Arkaitz Ibarra, Maxim N. Shokhirev, Ling Huang, Martin W. Hetzer, Saket Navlakha. Predicting age from the transcriptome of human dermal fibroblastsGenome Biology, 2018; 19 (1) DOI: 10.1186/s13059-018-1599-6

Etiquetas: , , , , ,

La pérdida de audición temprana es un factor de riesgo para la salud cardiovascular

Un nuevo estudio relaciona la pérdida auditiva con un mayor riesgo de mortalidad antes de los 75 años debido a una enfermedad cardiovascular. Investigadores del Centro de Envejecimiento Robert N. Butler Columbia, en la Escuela de Salud Pública Mailman de la Universidad de Columbia, hallaron entre sus resultados que la mortalidad entre las personas con pérdida auditiva es elevada, especialmente entre hombres y mujeres menores de 75 años y aquellos que están divorciados o separados. Sin embargo, el riesgo de mortalidad disminuyó en los adultos con una pareja con “buen oído”. Este es el primer estudio que investiga los efectos combinados de la pérdida de audición asociadas con las relaciones sociales-familiares y el aumento del riesgo de mortalidad. Los hallazgos se han publicado en la revista Social Science and Medicine.

Es bien conocido que el propio envejecimiento aumenta considerablemente el riesgo de pérdida de audiciónLa pérdida de audición es la 4ª causa principal de discapacidad. Dependiendo de la edad, la probabilidad de padecer perdida auditiva aumenta aproximadamente el 1% entre las personas de 40 a 44 años, hasta el 50% en mujeres y el 62% en hombres de 80 a 84 años.

Los investigadores analizaron datos de 50.462 adultos inscritos en el Estudio de Pérdida Auditiva de Nord-Trøndelag de 1996 a 1998. Utilizaron el Registro de Causas de Muerte de Noruega para identificar muertes hasta 2016. Los datos sobre el estado civil y el número de hijos se obtuvieron del Registro Nacional de Población . Los investigadores también categorizaron aquellos individuos fumadores, además de los hábitos de consumo de alcohol y la actividad física.

Tras el análisis de todos estos datos se obtuvieron varias correlaciones y patrones de asociación referidos a la pérdida de audición, las relaciones sociales y el aumento de mortalidad. Los hallazgos del grupo de investigación encontraron que el exceso de mortalidad entre los discapacitados auditivos puede ser particularmente mayor entre individuos con vínculos familiares-sociales más débiles, por ejemplo, entre los hombres divorciados o mujeres que no tienen hijos con pérdida auditiva por debajo de los 75 años, se encontraron mayores probabilidades de mortalidad. Estos resultados podrían explicarse ya que es más probable que las relaciones familiares más estrechas o con fuertes vínculos, podrían permitir que alguien con pérdida auditiva en mayor medida sea más activo socialmente, ya que el cónyuge o familiar puede brindar apoyo, tomar la iniciativa y ayudarlo a superar los umbrales para socializar con otros. Un cónyuge también podría alentar el uso de asistencia técnica, como audífonos, y ayudar en la consulta de servicios de salud cuando sea necesario. Tener vínculos familiares o de amistades fuertes también puede servir como un amortiguador contra las consecuencias anímicas y económicas perjudiciales de la pérdida auditiva.

Referencia: Bo Engdahl, Mariann Idstad, Vegard Skirbekk. Hearing loss, family status and mortality – Findings from the HUNT study, NorwaySocial Science & Medicine, 2019; 220: 219 DOI: 10.1016/j.socscimed.2018.11.022

Etiquetas: , , , , ,

La inteligencia artificial para el diagnóstico temprano del Alzheimer

Según un estudio desarrollado por investigadores del Departamento de Radiología e Imagen Biomédica de la Universidad de California en San Francisco (UCSF) y publicado en la revista Radiology, los nuevos avances en inteligencia artificial (IA) pueden mejorar la capacidad  para predecir la enfermedad de Alzheimer a partir de las imágenes cerebrales.

El diagnóstico temprano de la enfermedad de Alzheimer es extremadamente importante, ya que los tratamientos e intervenciones son más efectivos al principio de la enfermedad. Sin embargo, el diagnóstico temprano ha demostrado ser un verdadero retoLa investigación ha relacionado el proceso de la enfermedad con los cambios en el metabolismo, como lo demuestra la captación de glucosa en ciertas regiones del cerebro, pero estos cambios pueden ser difíciles de reconocer y normalmente la sintomatología comienza cuando la enfermedad se encuentra más avanzada.

El grupo de investigación ha aplicado las tecnologías del aprendizaje profundo (deep learning), un tipo de inteligencia artificial en el que las máquinas aprenden con el ejemplo, al igual que los humanos, para encontrar patrones que señalen cambios predictivos en el metabolismo cerebral  de la enfermedad de Alzheimer. Los investigadores entrenaron un algoritmo de aprendizaje profundo a partir de las imágenes tomadas con una tecnología de imagen especial conocida como tomografía por emisión de positrones (FDG-PET) con la que se puede medir la actividad metabólica del cerebro.

Los investigadores mediante el acceso a neuroimágenes de más de 2.100 imágenes cerebrales de FDG-PET de 1.002 pacientes de la base de datos de la Iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI), que se centra en ensayos clínicos para mejorar la prevención y el tratamiento de esta enfermedad. Entrenaron el algoritmo con el 90% ciento del conjunto de datos y validando con el 10% restante, con lo que fueron capaces de descubrir patrones metabólicos que correspondían a la enfermedad de Alzheimer.

Posteriormente los investigadores probaron el algoritmo en un conjunto independiente de 40 imágenes de 40 pacientes que nunca había estudiado. El algoritmo logró una sensibilidad del 100% para detectar la enfermedad que supone un promedio de más de seis años de antelación sobre un diagnóstico normal.

Es necesario apuntar que el conjunto de pruebas independientes se considera pequeño y es necesaria una validación adicional con un estudio más amplio entre distintas instituciones. En todo caso parece vislumbrarse que estas nuevas tecnologías y con las capacidades de procesamiento existentes actualmente, podría ser una herramienta muy útil y complementaria al trabajo desarrollado por los radiólogos para el diagnóstico y la intervención terapéutica temprana en la enfermedad de Alzheimer.

Entra las investigaciones que se están desarrollando en este campo merece la pena destacar aquellas  que intentan entrenar algoritmos de aprendizaje profundo para buscar patrones asociados con la acumulación de proteínas beta-amiloides y tau, grupos de proteínas anormales y ovillos en el cerebro que son marcadores específicos de la enfermedad de Alzheimer.

Referencia: Yiming Ding, Jae Ho Sohn, Michael G. Kawczynski, Hari Trivedi, Roy Harnish, Nathaniel W. Jenkins, Dmytro Lituiev, Timothy P. Copeland, Mariam S. Aboian, Carina Mari Aparici, Spencer C. Behr, Robert R. Flavell, Shih-Ying Huang, Kelly A. Zalocusky, Lorenzo Nardo, Youngho Seo, Randall A. Hawkins, Miguel Hernandez Pampaloni, Dexter Hadley, Benjamin L. Franc. A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the BrainRadiology, 2018; 180958 DOI

Etiquetas: , ,

El espacio también puede ayudar en la innovación sobre el envejecimiento de la población

GPM Core ObservatoryEs indudable el proceso de envejecimiento de la población a nivel mundial y cómo el rango de población de mayor de 60 años esta creciendo más rápido que cualquier otro grupo de edad. Este “terremoto” demográfico sin duda tendrá efectos económicos y sociales si no conseguimos adaptar nuestra sociedad al gran beneficio que supone tener más años de vida. Para ello la innovación puede ser uno de los principales factores para conseguir esa adaptación y esta innovación puede provenir de multiples y heterogeneos campos de investigación, tan diferentes como las nuevas soluciones que presenta un ámbito que aparentemente esta tan alejado del envejecimiento como es la demografía geoespacial.

En los últimos años, la Unión Europea ha lanzado iniciativas destinadas a abordar los desafíos que enfrenta el envejecimiento de la población. Para ello se esta desarrollando una industria al rededor de la denominada “Silver Economy” que aborda los aspectos y necesidades más específicas de este grupo de población, como son los aspectos de la vivienda y la adaptación de las ciudades a estas especificidades.

Pero, ¿ dónde y cómo vivirán en el futuro exactamente las personas más mayores? Sin esta información importante, la construcción de estrategias para atender adecuadamente a las personas mayores (una cohorte diversa y heterogénea que incluye tanto a los que están enfermos como a los que disfrutaran de una buena salud con motivaciones y actividades diversas), por lo que será difícil satisfacer sus necesidades con éxito.

La buena noticia es que una nueva generación de modelos de dinámica poblacional, se están apoyando en las nuevas imágenes de satelites de alta resolución para innovar, generando modelos que puedan predecir dónde es probable que vivan en el futuro las personas mayores en los núcleos urbanos. Un estudio reciente financiado por la Agencia Espacial Europea examinó este desafío. Los resultados preliminares de este experimento, llamado AgeSpot, se dieron a conocer recientemente.

En pocas palabras, el trabajo del equipo era predecir la densidad de personas mayores (de 65 años en adelante) que viven en un lugar determinado en cualquier momento durante los próximos 20 años.

Mediante la aplicación de técnicas de modelado econométrico y demográfico, el uso de los datos censales, junto con la utilización de los datos de los satélites actuales, y mediante técnicas de machine learning e inteligencia artificial, se entrenó a algoritmos de predicción para encontrar patrones de relaciones entre los humanos y su entorno físico. Y, como resultado, algunos de estos patrones se ha encontrado que son muy buenos predictores de quién probablemente vive al lado, dos puertas abajo, o a cinco paradas de metro.

La ciudad elegida para llevar acabo este estudio fue Viena, Austria, una ciudad europea de tamaño medio con tendencias poblacionales estables y una gran cantidad de registros abiertos al público. Como paso preliminar, el motor analítico de AgeSpot fue alimentado con entradas de varias fuentes de datos que finalmente le permitieron predecir la distribución actual de edades a nivel agregado con más del 95% de grado de precisión.

En la siguiente figura se muestra los datos censales de la población mayor, su localización y concentración en la ciudad y a la derecha la predicción que los algoritmos desarrollaron con los datos obtenidos de los satélites.

Cómo se puede observar, en el gráfico de la derecha que es el de la predicción, además de obtener una mayor precisión y resolución de los datos de concentración de la población mayor, los patrones obtenidos por el algoritmo son muy similares a los datos censales. Esta metodología innovadora tendría múltiples utilidades, como pueden ser una mejor planificación de las leyes urbanísticas, planificación y optimización de infraestructuras, mejor planificación de los presupuestos de servicios sociales, campañas locales y regionales, etc. En los países en desarrollo cuyas sociedades y economías están cambiando rápidamente y donde el censo (con datos muy desactualizados), la planificación pública y la prestación de servicios se ven obstaculizados por muchas limitaciones, las aplicaciones para aprovechar este tipo de herramientas parecen ilimitadas, para el mejor desarrollo de estas ciudades y su adaptación a la población cada vez más longeva.

Fuente: Auropean Space AgencyThe Brookings Institution.

Etiquetas: , , , , , , ,

Personas mayores con problemas para identificar olores, aumenta la probabilidad de demencia

Un estudio desarrollado a largo plazo con una muestra poblacional de casi 3.000 adultos, de entre 57 y 85 años de edad, ha descubierto patrones similares en aquellos individuos que no podían identificar al menos cuatro de cada cinco olores comunes. De tal manera que estos presentaban más del doble de probabilidades de desarrollar demencia en los cinco años próximos.

Aunque el 78% de los examinados presentaban comportamientos normales en la identificación de dichos olores, el 14% sólo podía identificar tres de cinco, el 5% podía identificar sólo dos, el 2% identificaba sólo uno y 1% de los sujetos del estudio no fueron capaces de identificar ningún olor.

Cinco años después de la prueba inicial, casi todos los sujetos del estudio que no pudieron nombrar un único olor habían sido diagnosticados con demenciaCasi el 80% de los que proporcionaron sólo una o dos respuestas correctas también tuvieron demencia, con una correlación entre el grado de pérdida de olor y la incidencia de demencia.

Estos resultados muestran que el sentido del olfato está estrechamente relacionado con la función cerebral y la salud. Se cree que la capacidad del olfato podría ser un marcador sencillo en etapas tempranas para identificar a las personas con mayor riesgo de demencia y aumentar su seguimiento neurológico.

El nervio olfativo es el único nervio craneal directamente expuesto al medio ambiente. Las células que detectan olores conectan directamente con el bulbo olfatorio en la base del cerebro, exponiendo potencialmente el sistema nervioso central a peligros ambientales como la contaminación o distintos patógenos. Los déficit olfativos son a menudo un signo temprano de la enfermedad de Parkinson o de Alzheimer. Estas deficiencias olfativas se pueden  agravan con la progresión de la enfermedad.

El sistema olfativo también tiene células madre para auto-regenerarse, por lo que una disminución en la capacidad de olor puede señalar una disminución en la capacidad del cerebro para reconstruir componentes clave que están disminuyendo con la edad, dando lugar a los cambios patológicos con la potencial aparición de muchas diferentes demencias.

Referencia: Dara R. Adams, David W. Kern, Kristen E. Wroblewski, Martha K. McClintock, William Dale, Jayant M. Pinto. Olfactory Dysfunction Predicts Subsequent Dementia in Older U.S. AdultsJournal of the American Geriatrics Society, 2017; DOI: 10.1111/jgs.15048

Recursos gráficos: Flickr

Etiquetas:

El tai chi puede ayudar a prevenir caídas en personas mayores

World Tai Chi Day
Practicar ejercicios de tai chi de manera habitual, unas tres sesiones por semana, mejora el equilibrio y la flexibilidad en personas mayores de 65 años, lo que puede ayudar a reducir hasta en 64% el riesgo de caídas y fracturas, una de las principales causas de discapacidad y pérdida de autonomía asociadas al envejecimiento.

El tai chi es una antigua práctica china, centrada en la flexibilidad y la coordinación del cuerpo entero, que promueve el movimiento armonizado en el espacio. Investigaciones anteriores ya han demostrado que se trata de un ejercicio eficaz para mejorar el control del equilibrio.

Esta vez, dos nuevos trabajados confirman la utilidad de esta práctica para prevenir caídas. Uno de ellos fue realizado por el doctor Rafael Lomas-Vega, de la Universidad de Jaén, en España. En él se analizaron 10 ensayos clínicos sobre el efecto del tai chi en comparación con otras intervenciones, como fisioterapia o ejercicios de baja intensidad.

Los resultados (publicados hoy en el Diario de la Sociedad Americana de Geriatría), muestran que el tai chi redujo significativamente la tasa de caídas en 43%, al cabo de un año de seguimiento. En cuanto a caídas potencialmente perjudiciales, que habrían generado alguna fractura, el riesgo se redujo en 50% en igual período.

“La práctica de tai chi puede ser recomendada para prevenir caídas en los adultos en riesgo y en adultos mayores en general. La frecuencia de las sesiones, de una hora, puede variar de una a tres veces por semana”, explica el doctor Lomas-Vega.

El otro trabajo, realizado por investigadores de la Universidad de Guangzhou, en China, se basó en datos recogidos en 18 ensayos clínicos anteriores, que incluían un total de casi 4.000 personas mayores de 65 años.

Así observaron que hasta el 40% de los mayores sufre un accidente de este tipo a lo largo de un año, porcentaje que aumenta al 50% en los que superan los 80 años.

Gracias a la respiración y a los movimientos lentos y controlados que caracterizan el tai chi, se redujo en 20% el riesgo sufrir alguna caída, además de mejorar su equilibrio, la fuerza en las rodillas y la flexibilidad. También se comprobó que quienes realizaban esta práctica al menos tres veces por semana reducían el riesgo de caídas en 64%.

Los beneficios del tai chi se ha visto que son múltiples. En febrero pasado, durante la reunión anual de la Asociación Americana del Infarto Cerebral, se estableció que practicar tai chi, junto con evitar el tabaquismo, hacer ejercicio aeróbico, mantener una buena higiene bucal y comer saludable, ayuda a evitar un infarto cerebral, ya que mantiene la presión arterial y el colesterol normales, y las paredes de las arterias flexibles.

Fuentes: Periódico El Mercurio/ Sección Vida Ciencia y Tecnología y Medical News Today

Etiquetas: , , , , , ,