Investigadores de la Universidad Queen Mary de Londres han desarrollado un nuevo método para predecir la demencia con una precisión superior al 80% y hasta nueve años antes del diagnóstico. El nuevo método permite predecir la demencia con mayor exactitud que las pruebas de memoria o las mediciones del encogimiento cerebral, dos métodos utilizados habitualmente para diagnosticarla. El equipo, dirigido por el catedrático Charles Marshall, desarrolló la prueba predictiva analizando imágenes de resonancia magnética funcional (IRMf) para detectar cambios en la red de modos por defecto (RND) del cerebro. La DMN conecta regiones del cerebro para realizar determinadas funciones cognitivas y es la primera red neuronal que se ve afectada por la enfermedad de Alzheimer.
Un modelo puede predecir la aparición de la demencia hasta nueve años antes del diagnóstico oficial
Los investigadores utilizaron escáneres de IRMf de más de 1.100 voluntarios del Biobanco del Reino Unido, una base de datos biomédicos y recursos de investigación a gran escala que contiene información genética y sanitaria de medio millón de participantes británicos, para estimar la conectividad efectiva entre diez regiones cerebrales que forman la red de modos por defecto. Los investigadores asignaron a cada paciente un valor de probabilidad de demencia en función de hasta qué punto el patrón de conectividad efectiva coincidía con un patrón indicativo de demencia o con un patrón similar al de control. Compararon estas predicciones con los datos médicos de pacientes individuales almacenados en el Biobanco del Reino Unido. Los resultados mostraron que el modelo predecía la aparición de demencia hasta nueve años antes del diagnóstico oficial con una precisión superior al 80%. En los casos en que los sujetos desarrollaron demencia más tarde, el modelo fue capaz de predecir con exactitud, con un margen de error de dos años, cuánto tardaría en hacerse el diagnóstico.
Los investigadores también estudiaron si los cambios en la DMN podían deberse a factores de riesgo de demencia conocidos. El análisis demostró que el riesgo genético de padecer la enfermedad de Alzheimer estaba estrechamente relacionado con los cambios en la conectividad de la DMN, lo que apoya la idea de que estos cambios son específicos de la enfermedad de Alzheimer.
Los investigadores también descubrieron que es probable que el aislamiento social aumente el riesgo de demencia a través de sus efectos sobre la conectividad en la DMN.
Chales Marshall, catedrático y doctor honoris causa en Neurología, dirigió el equipo de investigación del Centro de Neurología Preventiva del Instituto Wolfson de Población del Queen Mary. Según Marshall, identificar quién desarrollará demencia en el futuro es crucial para desarrollar tratamientos que puedan prevenir la pérdida irreversible de células cerebrales que causa los síntomas de la demencia. Aunque los científicos están mejorando en la detección de las proteínas cerebrales que pueden desencadenar la enfermedad de Alzheimer, muchas personas viven con estas proteínas en el cerebro durante décadas sin desarrollar síntomas de demencia. Los investigadores esperan que la medición de la función cerebral que han desarrollado les permita determinar con mucha más precisión si alguien desarrollará realmente demencia y en cuánto tiempo, de modo que pueda determinarse si podría beneficiarse de futuros tratamientos. Con estas técnicas analíticas y grandes conjuntos de datos, pueden identificar a las personas con alto riesgo de demencia y saber también qué factores de riesgo ambientales han colocado a estas personas en una zona de alto riesgo. Existe un enorme potencial para aplicar estos métodos a diferentes redes cerebrales y poblaciones con el fin de comprender mejor las interacciones entre el entorno, la neurobiología y la enfermedad, tanto en la demencia como, potencialmente, en otras enfermedades neurodegenerativas.
Herramienta de IA para diagnosticar distintas formas de demencia
Cada año se diagnostican 10 millones de nuevos casos de demencia, pero la presencia de distintas formas de demencia y la superposición de síntomas pueden complicar el diagnóstico y la administración de tratamientos eficaces. Investigadores de la Universidad de Boston han desarrollado una herramienta de IA capaz de diagnosticar diez formas distintas de demencia, como la demencia vascular, la demencia con cuerpos de Lewy y la demencia frontotemporal, incluso cuando se presentan simultáneamente. Los investigadores han desarrollado un método multimodal de aprendizaje automático (ML) que utiliza datos clínicos recopilados habitualmente, como información demográfica, historial médico del paciente y su familia, uso de medicación, resultados de exámenes neurológicos y neuropsicológicos y técnicas de imagen como resonancias magnéticas, para identificar con precisión demencias específicas. Los resultados se publicaron en Nature Medicine. Esta herramienta generativa de IA permite un diagnóstico diferenciado de la demencia utilizando datos clínicos recogidos de forma rutinaria y muestra su potencial como herramienta de diagnóstico escalable para la enfermedad de Alzheimer y otras demencias relacionadas.
No hay suficientes expertos en neurología en el mundo, y el número de pacientes que necesitan su ayuda crece rápidamente. Esta discrepancia supone una enorme carga para el sistema sanitario. Los investigadores creen que la IA puede ayudar a reconocer estos trastornos en una fase temprana y asistir a los médicos en el tratamiento de sus pacientes para evitar que las enfermedades empeoren. Dado que se prevé que el número de casos de demencia se duplique en los próximos 20 años, los investigadores esperan que esta herramienta de IA pueda proporcionar un diagnóstico diferencial preciso y apoyar la creciente demanda de intervenciones terapéuticas específicas para la demencia.