Descubren un biomarcador capaz de detectar la fase inicial del párkinson
Un equipo de científicos de España y EE UU ha descubierto un biomarcador de las etapas preliminares del párkinson usando imágenes de resonancia magnética y algoritmos. El hallazgo podrá servir para mejorar la detección precoz de esta enfermedad neurodegenerativa.
Tractografía realizada a partir de resonancia de difusión / LPI-UVa
Investigadores del Laboratorio de Procesado de Imagen (LPI) de la Universidad de Valladolid (UVa), la Universidad de Texas, en Houston, y el City College de Nueva York han descubierto un biomarcador de la fase prodrómica del párkinson (su etapa inicial). El estudio se ha publicado en la revista Frontiers in Neuroscience.
Antes de que sea posible diagnosticar la enfermedad de Parkinson se producen una serie de leves signos motores, como una pequeña disminución en la capacidad motora, temblores o vocalizaciones que imitan los sueños y que aparecen durante etapas anormales del sueño REM. También pueden surgir otros signos como el estreñimiento, la hiposmia (un transtorno del olfato) o pequeños cambios en la visión. A esta fase de la enfermedad se le denomina prodrómica y se considera que aparece incluso más de 10 años antes de su posible detección.
Los investigadores han utilizado resonancia magnética de difusión y algoritmos de aprendizaje automático
“No existen técnicas simples y no invasivas que puedan identificar y cuantificar los cambios neurodegenerativos que está comenzando a sufrir el cerebro y que pueden estar relacionados con el párkinson”, explican los investigadores de la UVa Óscar Peña Nogales y Rodrigo de Luis García.
Por ello, aseguran, es fundamental desarrollar biomarcadores y técnicas que permitan el diagnóstico de pacientes en esta etapa prodrómica, teniendo en cuenta que el éxito de muchas terapias para detener o ralentizar el proceso neurodegenerativo depende de su aplicación temprana.
En este sentido, la resonancia magnética es una herramienta muy poderosa para el estudio del cerebro. Se trata de una técnica no invasiva e inocua para el paciente, que permite obtener una enorme cantidad de información acerca de la morfología, la función y la conectividad que hay en diversas regiones del cerebro. Consciente de este potencial, el Laboratorio de Procesado de Imagen de la UVa explora desde hace varios años su aplicación a diversas enfermedades, como esquizofrenia o migraña, entre otras.
En este caso, han utilizado una modalidad de resonancia magnética llamada resonancia de difusión. Mediante un procedimiento denominado tractografía, pueden saber cómo están conectadas entre sí diferentes áreas de interés del cerebro. “Es algo así como elaborar un mapa de carreteras, pero la información que obtenemos no nos dice cuánto tráfico hay en esas carreteras, sino si son carreteras con mayor o menor capacidad, o si están en mejor o peor estado. Toda esta información se agrupa en algo llamado conectoma, que es una cantidad enorme de información que se puede explotar después”, precisan.
Evolución a lo largo de un año
En lugar de observar meramente el “mapa de carreteras”, los investigadores se fijaron en cómo evoluciona en cada uno de los sujetos a lo largo de un año. Con esta información, han entrenado a un algoritmo de aprendizaje automático (machine learning) para que aprenda a distinguir entre la evolución de personas sanas y la evolución de personas con párkinson.
Posteriormente, lo probaron con un tercer grupo y resultó que el algoritmo era capaz de distinguir entre personas sanas y personas susceptibles de tener párkinson prodrómico, con una buena sensibilidad y especificidad, un hecho inédito hasta la fecha.
A partir de la puntuación que proporcionó el modelo, los investigadores establecieron un umbral para dividir a los pacientes susceptibles de estar en la fase prodrómica en dos grupos: pacientes que probablemente evolucionarían hacia la enfermedad y los que no. “Validamos esta división con métricas clínicas que se aplicaron a los pacientes a lo largo de un seguimiento de un año y medio, y vimos cómo estas métricas empeoraban en los pacientes que habíamos clasificado como de probable evolución al párkinson, mientras que se mantenían constantes en los pacientes del otro grupo”, aseguran.
Asimismo, observaron que las conexiones cerebrales en las que el algoritmo se fijaba más para hacer su clasificación se correspondían con las regiones afectadas por el párkinson señaladas en diversos trabajos previos.
Será necesario ampliar la muestra para corroborar el resultado y refinar el algoritmo, dicen los autores
Aunque se trata de un trabajo prometedor, el estudio se ha realizado con un número de pacientes bastante reducido, por lo que será necesario ampliar la muestra para corroborar el resultado, e incluso refinar el algoritmo.
No obstante, han demostrado que “es posible, analizando la evolución de la conectividad cerebral de las personas a lo largo del tiempo, identificar con razonable precisión a aquellas susceptibles de estar en la fase prodrómica del párkinson”. “Creemos que es posible detectar signos muy leves de neurodegeneración en esta y otras enfermedades utilizando resonancia magnética. Pero para que esto se traslade a la práctica clínica es necesario hacer más estudios y de mayor tamaño, lo que es bastante difícil porque requiere mucho dinero”, lamentan.
Avanzar en el diagnóstico temprano del párkinson y de otras enfermedades neurodegenerativas es muy importante dada la trascendencia que están adquiriendo en la sociedad actual. “La edad es un factor de riesgo inevitable y la esperanza de vida de la población ha ido en aumento. Por eso es probable que el número de casos de párkinson se duplique en los próximos 20 años”, subrayan los investigadores.
Referencia biliográfica:
Óscar Peña-Nogales, Timothy M. Ellmore, Rodrigo de Luis-García, Jessika Suescun, Mya C. Schiess. Luca Giancardo. “Longitudinal Connectomes as a Candidate Progression Marker for Prodromal Parkinson’s Disease”. Frontiers in Neuroscience (9 de enero, 2019) https://doi.org/10.3389/fnins.2018.00967
No hay comentarios:
Publicar un comentario