Indicadores característicos del deterioro cognitivo leve obtenidos a partir de la reducción de la dimensión de las redes cerebrales

La enfermedad de Alzheimer (EA) es un trastorno neurodegenerativo progresivo e irreversible, considerado la causa más común de demencia en la población adulta mayor. El deterioro cognitivo leve (DCL) constituye la primera fase sintomática de la EA, caracterizada por déficits de memoria y otras funciones cognitivas, aunque sin un impacto tan severo como para interferir en la autonomía del paciente. Dado que no existen terapias curativas, la detección temprana del DCL resulta fundamental para implementar intervenciones preventivas o terapéuticas que retrasen la progresión hacia demencia.

Objetivo del estudio

Este trabajo se centró en la identificación de indicadores característicos del DCL que permitan diferenciar a estos pacientes de individuos sanos (controles, HCs). Para ello, se aplicaron técnicas de reducción de dimensiones en redes cerebrales a partir de datos de neuroimagen, con el fin de optimizar la detección de patrones específicos.

Metodología

Se utilizaron datos del ADNI (Alzheimer’s Disease Neuroimaging Initiative), correspondientes a 100 controles sanos y 100 pacientes con DCL. Tras dividir el cerebro en 360 parcelaciones, se extrajeron series temporales unidimensionales a partir de imágenes de resonancia magnética de difusión y de resonancia funcional en reposo (fMRI), aplicando algoritmos de reducción de redes. Posteriormente, se empleó el análisis de espectro de potencia para transformar las series temporales al dominio de la frecuencia y así obtener indicadores clave.

Resultados principales

Las pruebas estadísticas mostraron que los indicadores derivados de las redes cerebrales reducidas, particularmente la frecuencia cuadrática media y la frecuencia central, diferencian de manera más significativa a los pacientes con DCL respecto de los controles sanos en comparación con los indicadores tradicionales basados únicamente en series temporales BOLD de subregiones específicas asociadas a la EA, como el hipocampo y las áreas parieto-temporales. Estos hallazgos sugieren que los métodos de reducción de redes cerebrales, combinados con el análisis espectral, permiten una caracterización más precisa de los cambios tempranos en el DCL.

Conclusión e implicaciones clínicas

El estudio demuestra que la aplicación del espectro de potencia a series unidimensionales extraídas mediante reducción de redes cerebrales constituye un método prometedor para distinguir entre DCL y controles sanos, con potencial valor clínico para la detección temprana de la EA. Este enfoque innovador podría contribuir al desarrollo de herramientas diagnósticas más sensibles y específicas, facilitando intervenciones precoces y personalizadas que mejoren la calidad de vida de los pacientes en riesgo de progresar hacia Alzheimer.

Resumen modificado por Cibermedicina

Para acceder al texto completo consulte las características de suscripción de la fuente original: https://www.sciencedirect.com/