Un nuevo modelo de diagnóstico ofrece esperanza para el Alzheimer

Un nuevo modelo matemático ofrece esperanzas de una mejor predicción y tratamiento de la enfermedad de Alzheimer. La mayoría de los modelos matemáticos del Alzheimer son teóricos y se centran en cambios a corto plazo a nivel molecular y celular que no se pueden medir en los pacientes.

Sin embargo, investigadores de la Facultad de Medicina de la Universidad de Duke y la Universidad Estatal de Pensilvania han utilizado datos del mundo real de más de 800 personas con diferentes capacidades cognitivas para desarrollar el modelo de cascada de biomarcadores de la enfermedad de Alzheimer (ADBC).

Este enfoque personalizado, publicado en el Revista de prevención de la enfermedad de Alzheimerva más allá de los métodos de diagnóstico tradicionales al incorporar los propios marcadores biológicos de un individuo para predecir la progresión de su enfermedad.

Los sujetos se inscribieron en la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI), un estudio longitudinal multinacional que siguió a sujetos desde la cognición normal hasta el deterioro cognitivo leve y la demencia, con pruebas cognitivas seriadas, imágenes y datos de biomarcadores de fluidos durante un período de hasta dos décadas.

El modelo ADBC ​​analiza el líquido cefalorraquídeo, los escáneres cerebrales y las pruebas de memoria de los participantes para encontrar patrones o pistas únicos sobre la condición de cada persona.

El modelo combina teoría y datos de biomarcadores individuales para predecir cómo podría evolucionar el Alzheimer y responder al tratamiento en pacientes individuales. Al analizar los marcadores biológicos actuales, pudo predecir con sorprendente precisión cómo estos marcadores podrían cambiar en el futuro para un paciente en particular.

Los investigadores dicen que el modelo abre las puertas para reclasificar a los individuos a lo largo del espectro clínico del Alzheimer y adaptar las estrategias de tratamiento.

«La enfermedad de Alzheimer se ha considerado durante mucho tiempo como un trastorno único», afirmó el Dr. Jeffrey R. Petrella, neurorradiólogo y director del Laboratorio de Investigación de Imágenes del Alzheimer de la Facultad de Medicina de la Universidad de Duke. «Esta investigación muestra que la enfermedad progresa de manera diferente en cada persona, con patrones únicos de cambios de biomarcadores».

Petrella dirigió el equipo de investigadores de Duke, incluidos Juliet Jiang, Kashyap Sreeram, Sophia Dalziel y Murali Doraiswamy MD, junto con el autor principal del estudio Wenrui Hao, Ph.D., profesor de matemáticas en Penn State, en la investigación de la viabilidad de personalizar un modelo causal de La enfermedad de Alzheimer.

La enfermedad de Alzheimer se caracteriza por cambios en el cerebro que incluyen placas amiloides y ovillos neurofibrilares que pueden dañar las neuronas y afectar otros tipos de células cerebrales. Nuevos medicamentos han tenido éxito en reducir las proteínas beta amiloides en el cerebro y ralentizar el deterioro de la memoria y el pensamiento debido al Alzheimer.

«Me imagino el uso de este modelo en la atención clínica como parte de un enfoque de tratamiento de medicina de precisión», dijo Petrella. «El modelo podría desarrollar una recomendación del régimen terapéutico óptimo necesario para ayudar a un paciente a lograr el mejor resultado posible con el tiempo y minimizar la exposición a efectos secundarios». El tratamiento puede ser un medicamento o una combinación de terapias.

El modelo identificó 14 parámetros personalizados para cada paciente. Estos parámetros reflejaban las tasas de crecimiento, los puntos de partida (valores de latencia) y los niveles máximos (capacidades de carga) de varios biomarcadores asociados con el Alzheimer. Es importante destacar que estos parámetros diferían significativamente entre los individuos clasificados según su diagnóstico clínico, lo que sugiere que reflejan aspectos clínicamente significativos del proceso de la enfermedad.

Cuando se comparó con los datos existentes, el modelo ADBC ​​predijo los niveles futuros de biomarcadores con un alto grado de precisión, con una tasa de error promedio de solo el 9 % en todo el grupo de estudio. Esta precisión se mantuvo fuerte incluso cuando se aplicó a pacientes individuales, y más del 80% mostró una baja tasa de error en la predicción de futuros puntos de biomarcadores.

La investigación también reveló un hallazgo potencialmente crucial. Al analizar los parámetros personalizados, los investigadores identificaron dos grupos distintos de pacientes. Estos grupos parecían representar diferentes «endofenotipos», es decir, diferentes perfiles biológicos subyacentes que influyen en la progresión de la enfermedad.

Los investigadores enfatizan la necesidad de realizar más estudios para validar estos hallazgos en poblaciones de pacientes comunitarias más grandes y diversas.