¿Puede un solo estudio de imagen cerebral diagnosticar con precisión la enfermedad de Alzheimer?

Megan Brooks

Conflictos de interés

28 de junio de 2022

Un algoritmo de aprendizaje automático puede determinar si una persona tiene la enfermedad de Alzheimer basándose en una sola resonancia magnética con una precisión de 98%, según sugiere una nueva investigación.[1]

"Actualmente, ningún otro método simple y ampliamente disponible puede predecir la enfermedad de Alzheimer con este nivel de precisión, por lo que nuestra investigación es un importante paso adelante", dijo en un comunicado de prensa Eric Aboagye, Ph. D., del Imperial College London, en Londres, Inglaterra, quien dirigió la investigación.

"Muchos pacientes que se presentan con Alzheimer en las clínicas de la memoria también tienen otras afecciones neurológicas, pero incluso dentro de este grupo, nuestro sistema podría distinguir a los pacientes que tienen Alzheimer de los que no", añadió.

El estudio se publicó en versión electrónica el 20 de junio en Communications Medicine.

Robusto, replicable

Para desarrollar el algoritmo, Aboagye y colaboradores dividieron el cerebro en 115 regiones y asignaron 660 características diferentes, como tamaño, forma y textura, para evaluar cada región. Entrenaron el algoritmo para identificar en dónde los cambios en estas características podrían predecir con precisión la enfermedad de Alzheimer.

Usando datos de Alzheimer's Disease Neuroimaging Initiative (ADNI), el equipo probó su algoritmo en escáneres cerebrales de más de 400 pacientes con enfermedad de Alzheimer en etapa temprana y tardía, controles sanos y pacientes con otras afecciones neurológicas, incluida la demencia frontotemporal y la enfermedad de Parkinson.

También lo probaron utilizando datos de más de 80 pacientes que se sometieron a pruebas de diagnóstico de enfermedad de Alzheimer en el Imperial College Healthcare NHS Trust, en Londres, Inglaterra.

En 98% de los casos, la herramienta de aprendizaje automático basada en resonancia magnética por sí sola podía predecir con precisión si una persona tenía enfermedad de Alzheimer, lo que superaba las mediciones estándar del volumen del hipocampo y de beta-amiloide en el líquido cefalorraquídeo. También pudo distinguir entre la enfermedad de Alzheimer en etapa temprana y tardía en 79% de los pacientes.

La herramienta era "robusta y replicable en distintas resonancias magnéticas, lo que demuestra su potencial de aplicabilidad en la práctica clínica en el futuro", escribieron los investigadores.

"La mayoría de los pacientes pasarán por una gran cantidad de pruebas para llegar al diagnóstico y esta herramienta puede conducir a uno más rápido y reducir la ansiedad de los pacientes. Y, por supuesto, el especialista puede usar esta información para refinar y modificar el diagnóstico", agregó el Dr. Aboagye.

El algoritmo también detectó cambios en áreas del cerebro que no estaban previamente asociadas con la enfermedad de Alzheimer, incluido el cerebelo y el diencéfalo ventral. Esto "abre oportunidades para que los investigadores" analicen más estas áreas y vean cómo se pueden relacionar con la demencia, indicó el Dr. Aboagye.

"Aunque los neurorradiólogos ya interpretan las resonancias magnéticas para ayudar a diagnosticar la enfermedad de Alzheimer, es probable que haya características de las exploraciones que no sean visibles, incluso para los especialistas", comentó en el comunicado Paresh Malhotra, Ph. D., del Imperial College London, coinvestigador del estudio.

"Usar un algoritmo capaz de seleccionar texturas y características estructurales sutiles en el cerebro, que se ven afectadas por el Alzheimer, realmente podría mejorar la información que podemos obtener de las técnicas de imagen estándar", observó el Dr. Malhotra.

Se necesita replicación

En un comentario para Medscape Noticias Médicas, el Dr. Cyrus A. Raji, Ph. D., profesor asistente de radiología y neurología de la Washington University en St. Louis, Estados Unidos, dijo que el estudio muestra que "los nuevos análisis computarizados de imágenes estructurales o ponderadas en T1 pueden identificar la enfermedad de Alzheimer con un alto grado de precisión".

"Ampliar esto a la práctica clínica requerirá una replicación adicional de estos resultados, así como un software optimizado para el entorno clínico", indicó el Dr. Raji.

Etapa temprana, no generalizable

La Dra. Rebecca Edelmayer, Ph. D., directora sénior de compromiso científico de la Alzheimer's Association, dijo que la investigación aborda "un tema importante en la enfermedad: la detección temprana".

"Con la aprobación acelerada de la Food and Drug Administration (FDA) del primer tratamiento antiamiloide modificador de la enfermedad de Alzheimer y con más en camino, es vital que las personas con Alzheimer sean diagnosticadas temprano en el proceso de la enfermedad, cuando el tratamiento puede ser más beneficioso", comentó la Dra. Edelmayer a Medscape Noticias Médicas.

"La detección temprana también permite que las personas y las familias tengan más tiempo para planificar el futuro, participar en ensayos clínicos y buscar recursos en la comunidad", agregó.

Sin embargo, la Dra. Edelmayer advirtió que esta investigación se encuentra en sus inicios y no está lista para usarse como una herramienta de diagnóstico independiente. "Es un modelo que necesitará más evidencia en un conjunto de datos más grande, recopilado prospectivamente de un grupo diverso de personas", indicó.

Observó que una limitación, como señalaron los autores, es que el modelo de diagnóstico se desarrolló mediante resonancia magnética ponderada en T1.

"Con la variedad de máquinas de resonancia magnética que se utilizan hoy en día, los resultados de este estudio no se pueden generalizar a todos los tipos de escáneres que se utilizan actualmente para ayudar en el diagnóstico ", señaló la Dra. Edelmayer.

La financiación de esta investigación fue proporcionada en parte por Imperial College London NIHR Biomedical Research Center y Alzheimer's Disease Neuroimaging Initiative (ADNI). Aboagye, Ph. D., Malhotra, Ph. D., y el Dr. Raji han declarado no tener ningún conflicto de interés económico pertinente.

Para más contenido, siga a Medscape en Facebook, Twitter, Instagram y YouTube.

Comentario

3090D553-9492-4563-8681-AD288FA52ACE
Los comentarios están sujetos a moderación. Por favor, consulte los Términos de Uso del foro

procesando....