Investigadoras de la Universidad Carlos III de Madrid (UC3M) y del Hospital Universitario Severo Ochoa de Leganés, perteneciente a la red sanitaria pública de la Comunidad de Madrid, han desarrollado una metodología que utiliza la inteligencia artificial (IA) para analizar la actividad eléctrica del cerebro durante el sueño y facilitar el diagnóstico precoz del Alzheimer. El trabajo, publicado recientemente en la revista científica GeroScience, demuestra que el análisis de las ondas cerebrales nocturnas mediante técnicas de aprendizaje automático (machine learning) permite identificar de forma no invasiva alteraciones neuronales tempranas y clasificar a los pacientes en tres subgrupos biológicos diferenciados.
El Alzheimer es una enfermedad neurodegenerativa progresiva cuyos síntomas clínicos se manifiestan habitualmente entre 10 y 20 años después del inicio de los procesos patológicos en el cerebro. En la actualidad, los fármacos disponibles solo resultan efectivos si se administran en las fases tempranas de la enfermedad.
Aunque la determinación plasmática de p-tau217 está comenzando a incorporarse a la práctica clínica en algunos hospitales españoles, su disponibilidad aún no es uniforme en el Sistema Nacional de Salud. En muchos casos, la valoración clínica del paciente requiere complementar esta información mediante técnicas avanzadas como la tomografía por emisión de positrones (PET) o procedimientos invasivos, como la punción lumbar para analizar el líquido que rodea al cerebro y la médula espinal. Estas pruebas suelen realizarse en fases relativamente tardías, cuando los síntomas ya son evidentes.
Investigación centrada en el sueño
Esta investigación se centra en el sueño durante un periodo de alta actividad en el que el cerebro realiza procesos de limpieza celular de residuos metabólicos, entre ellos la proteína beta-amiloide. Existe una relación bidireccional en este proceso, donde el alzhéimer altera la arquitectura del sueño y, a su vez, los trastornos del sueño favorecen los mecanismos que aceleran la progresión de la enfermedad.
“Los registros de la actividad eléctrica durante el sueño nos permiten tener una ventana sobre los procesos biológicos que están ocurriendo y que, al cabo de los años, pueden dar lugar al olvido y a los síntomas propios del alzhéimer”, explica la investigadora principal del estudio, Arrate Muñoz-Barrutia, catedrática del departamento de Neurociencia y Ciencias Biomédicas de la UC3M.
“Con nuestra investigación buscamos una herramienta que permita realizar un diagnóstico precoz del Alzheimer, que sea no invasiva, económica y que pueda extenderse a la mayor parte de la población”, explica la Dra. Anna Michela Gaeta, facultativa especialista en Neumología del Hospital Universitario Severo Ochoa
Inteligencia Artificial aplicada al registro del sueño
El equipo de investigadoras ha analizado una base de datos única que combina registros de la actividad eléctrica nocturna, llamadas polisomnografías, con datos de la expresión de proteínas obtenidos del líquido cefalorraquídeo de los pacientes, creada en una investigación previa liderada por el Dr Gerard Piñol Ripoll, facultativo especialista en Neurología del Hospital Universitario Santa María de Lérida-IRBLLeida, y el Dr Ferrán Barbé, jefe de Servicio de Neumología del Hospital Universitario Arnau de Vilanova de Lérida y director del grupo de Investigación translacional en medicina respiratoria del IRBLleida. En el estudio han participado 42 pacientes con Alzheimer de leve a moderado y con 58 controles cognitivamente sanos. Gracias a una financiación del Instituto de Salud Carlos III, el equipo de Lérida ha recopilado todos los datos y construido el repositorio que posteriormente han analizado las investigadoras en este nuevo estudio.
“Se registraron las señales mediante una serie de electrodos colocados sobre el cráneo que captan la actividad eléctrica de las neuronas durante toda la noche. Nosotras utilizamos la IA para analizar esa actividad eléctrica e identificar determinados cambios que puedan detectar la acumulación de proteínas en el cerebro, las cuales posteriormente darán lugar a enfermedades neurodegenerativas”, explica otra de las autoras del estudio, Lorena Gallego Viñarás, del departamento. de Neurociencia y Ciencias Biomédicas de la UC3M, que aclara además que “la IA no pretende sustituir ningún tipo de prueba médica, sino servir de apoyo al diagnóstico temprano. Esto permite analizar la información con mucho más detalle para facilitar diagnósticos más precoces y, en consecuencia, iniciar los tratamientos con mayor antelación”.
Esta tecnología basada en IA ha logrado diferenciar con precisión a las personas sanas de los pacientes con Alzheimer. Además, al cruzar estos datos con biomarcadores clave del líquido cefalorraquídeo —como la proteína beta-amiloide (Aβ42), la tau fosforilada (p-tau181), la tau total (t-tau) y la cadena ligera de neurofilamentos (NfL)— el algoritmo ha identificado tres subgrupos o subclusters distintos de pacientes con Alzhéimer. Estos perfiles han mostrado diferencias graduales en sus niveles de biomarcadores, lo que evidencia que la enfermedad presenta diferentes firmas biológicas desde sus etapas iniciales.
Resultados con potencial aplicación clínica en el futuro
En el futuro, estas herramientas basadas en el estudio del sueño nocturno podrían funcionar de manera complementaria a los análisis de sangre, como por ejemplo los de la proteína p-tau217. De este modo, se podría contar con una vía de cribado económica y realizable desde el propio domicilio para detectar el el Alzheimer preclínico y tratar de forma paralela los trastornos del sueño, ayudando así a ralentizar el avance del deterioro cognitivo.
“Otra cosa que hemos aprendido con esta investigación es que la ciencia del futuro en esta materia se basa en la integración de distintas disciplinas, como la neurología, la neumología y la ingeniería. Esta colaboración es fundamental porque actualmente se están desarrollando fármacos que solo pueden actuar en las fases precoces de la enfermedad”, concluye la Dra Anna Michela Gaeta.
Vídeo: https://youtu.be/FBNCx_KPeQk