Una prueba de imágenes médicas no invasiva podría predecir la demencia nueve años antes del diagnóstico

Predecir casos futuros de demencia es crucial para desarrollar intervenciones destinadas a prevenir la pérdida irreversible de células cerebrales responsables de los síntomas de la demencia. Si bien se han logrado avances en la identificación de proteínas cerebrales relacionadas con la enfermedad de Alzheimer, muchas personas portan estas proteínas durante años sin presentar síntomas de demencia. Actualmente, la demencia se diagnostica comúnmente mediante pruebas de memoria o midiendo la contracción cerebral. Ahora, un método recientemente desarrollado ofrece más del 80 % de precisión en la predicción de la demencia hasta nueve años antes de un diagnóstico oficial, lo que proporciona un enfoque más preciso para la identificación temprana.

Investigadores de la Universidad Queen Mary de Londres (Londres, Reino Unido) desarrollaron esta prueba predictiva analizando exploraciones de resonancia magnética funcional (fMRI) para evaluar los cambios en la "red de modo predeterminado" (DMN) del cerebro, que es esencial para las funciones cognitivas y es la primera red neuronal afectada por la enfermedad de Alzheimer. Utilizando exploraciones por resonancia magnética funcional de más de 1.100 voluntarios del Biobanco del Reino Unido (una base de datos biomédica integral que contiene información genética y de salud de medio millón de participantes del Reino Unido), el equipo evaluó la conectividad efectiva entre diez regiones del cerebro que componen la DMN. A cada participante se le asignó una probabilidad de desarrollar demencia en función de qué tan estrechamente coincidían sus patrones de conectividad con los que se observan típicamente en la demencia versus los patrones similares a los de control.

Luego, las predicciones se compararon con los registros médicos de los participantes del Biobanco del Reino Unido. Los resultados demostraron que el modelo podía pronosticar con precisión la aparición de la demencia hasta nueve años antes de su diagnóstico oficial, con una tasa de precisión superior al 80 %. Para aquellos que eventualmente desarrollaron demencia, el modelo también fue capaz de predecir, dentro de un margen de error de dos años, el tiempo hasta el diagnóstico. Investigaciones adicionales realizadas por los investigadores exploraron si las alteraciones del DMN podrían atribuirse a factores de riesgo conocidos de demencia. Sus hallazgos indicaron que las predisposiciones genéticas a la enfermedad de Alzheimer se correlacionaban fuertemente con los cambios de conectividad en la DMN, lo que reforzaba la noción de que estas alteraciones son específicas de la enfermedad de Alzheimer. Además, observaron que el aislamiento social podría aumentar el riesgo de demencia debido a su impacto en la conectividad de la DMN.

“Al utilizar estas técnicas de análisis con grandes conjuntos de datos, podemos identificar a las personas con alto riesgo de demencia y también aprender qué factores de riesgo ambientales empujaron a estas personas a una zona de alto riesgo. Existe un enorme potencial para aplicar estos métodos a diferentes redes cerebrales y poblaciones, para ayudarnos a comprender mejor las interacciones entre el medio ambiente, la neurobiología y la enfermedad, tanto en la demencia como posiblemente en otras enfermedades neurodegenerativas”, dijo Samuel Ereira, autor principal y doctor del Programa de la Fundación Académica en el Centro de Neurología Preventiva del Instituto Wolfson de Salud de la Población. "La fMRI es una herramienta de imágenes médicas no invasiva y se necesitan unos 6 minutos para recopilar los datos necesarios en un escáner de MRI, por lo que podría integrarse en las vías de diagnóstico existentes, particularmente donde ya se utiliza la MRI".

Enlaces relacionados:
Universidad Queen Mary de Londres

Visitar la expo >

New

Miembro Oro

X-Ray QA Meter

T3 AD Pro

Ultrasound System

ARIETTA 750SE

New

1.5T Superconducting MRI System

uMR 680

New

Full Field Digital Mammography Phantom

Mammo FFDM Phantom