Page 95 - Memora anual Fundación CIEN 2016

5. ACTIVIDADES DE COOPERACIÓN INTERNACIONAL
evaluación neuropsicológica y clínica, análisis
de sangre y a un completo protocolo de
resonancia magnética (RM) cerebral. Durante
el seguimiento, algunos voluntarios pasan de un
estado cognitivamente sano a un estado de
deterioro cognitivo leve (DCL). El objetivo del
proyecto es identificar de manera
retrospectiva biomarcadores en individuos
sanos que predigan el desarrollo posterior de
DCL. En contraste con el extenso esfuerzo de
investigación para determinar los parámetros
de RM como predicción de la conversión de
DCL en EA, se sabe mucho menos sobre
biomarcadores cerebrales específicos que
predicen el paso anterior: pasar de sano a DCL.
La novedad de esta propuesta, y el -5
Se han realizado estudios de RM estructural (T1,
T2 ponderado), difusión ponderada (DWI),
funcional (resonancia magnética del estado de
reposo) y exploraciones de perfusión (ASL) en
aproximadamente 1.000 voluntarios. La primera
meta de esta propuesta, es examinar la RM en
individuos sanos de edad avanzada que
permitan predecir el desarrollo posterior de
DCL. Un primer análisis de la densidad de
materia gris del cerebro entero (GMD) en estos
"conversores" en relación con un grupo control
emparejado seleccionado entre la cohorte
completa - en la visita 1 (cuando ambos grupos
están sanos) - ya ha mostrado fascinantes
diferencias específicas en la corteza entorrinal.
El mismo tipo de análisis se extenderá ahora a
las medidas de la integridad de la materia
blanca, perfusión y redes funcionales de reposo
para proporcionar una imagen completa de las
anomalías cerebrales presentes antes de que se
desarrolle DCL.
Mientras que los primeros análisis muestran
diferencias entre grupos en los datos de RM,
esta propuesta tiene como objetivo desarrollar
un método que - para un individuo sano dado –
proporcione valor predictivo con respecto a si
esa persona desarrollará posteriormente DCL.
Para ello, se analizan datos demográficos,
neuropsicológicos, bioquímicos y genéticos en
nuestros análisis, además de datos de RM de
todas las secuencias descritas anteriormente.
Se está siguiendo un abordaje de "aprendizaje
automático" (“machine learning”) para generar
un algoritmo estadístico que permita
determinar la probabilidad de un individuo
sano de convertir a DCL en un período de
tiempo dado. Además, se espera que algunos
voluntarios pasen de DCL a EA, proporcionando
así una medida de si estos biomarcadores se
podrían extender a predecir la EA desarrollada
a partir de un estado sano.
La determinación de los biomarcadores de
imágenes cerebrales que en personas sanas
predicen el desarrollo de DCL tendrá un
impacto significativo en el campo de la
demencia. Los datos adquiridos de forma
relativamente rutinaria pueden dar a un
individuo un índice de riesgo para el futuro
desarrollo de DCL que le proporcionará
motivación inmediata para controlar factores
de riesgo modificables para la demencia (por
ejemplo, dejar de fumar, reducir la ingesta de
alcohol, reducir el colesterol, etc.).
Además, en la esperanzadora situación de que
los nuevos tratamientos para la demencia
estarán disponibles pronto, lo más probable es
que aumente la eficacia terapéutica si este
tratamiento se inicia tan pronto como sea
posible en el proceso neurodegenerativo. Por lo
tanto, si logramos identificar a las personas en
riesgo de demencia mientras están en el estado
asintomático preclínico, el tratamiento podría
iniciarse en esta etapa. Más aún, el mismo
enfoque que desarrollamos para clasificar
biomarcadores para la EA en nuestro estudio
longitudinal podría aplicarse a estudios similares
que investigan otras demencias.
Informe Anual Fundación CIEN 2018 / 95