Una nueva herramienta no invasiva ayudará al diagnóstico de alzhéimer en sus fases más tempranas
UPV/DICYT A día de hoy, el diagnóstico de alzhéimer sigue siendo fundamentalmente clínico, lo que provoca que no pueda detectarse hasta que aparecen los primeros síntomas, o incluso más tarde, cuando el daño neuropatológico es ya grave. Por ello, se hace necesaria la búsqueda de nuevos biomarcadores que permitan una detección temprana de la enfermedad de forma no invasiva.
A este desafío responde ALTEA, una nueva herramienta creada por investigadores de la Universitat Politècnica de València (UPV), pertenecientes al Centro de Biomateriales e Ingeniería Tisular (CBIT), en colaboración con el Dr. Enrique Mollá, radiólogo del Hospital de La Ribera.
La herramienta –por ahora, en fase beta para investigación- ayudaría a la detección de alzhéimer en sus fases más incipientes. ALTEA permite visualizar y segmentar imágenes de resonancia magnética y a partir de dichas imágenes, extrae y analiza diferentes parámetros de textura cerebrales, convertidos en biomarcadores de la enfermedad de Alzheimer (los biomarcadores son indicadores biológicos que se pueden medir y relacionar su presencia e intensidad con el desarrollo de una enfermedad).
“A la luz de los resultados preliminares obtenidos, podemos afirmar que tanto el análisis de texturas 2D como el 3D son herramientas muy potentes que podrían complementar y mejorar en gran medida el diagnóstico de la enfermedad de Alzheimer. ALTEA ayudaría al diagnóstico temprano y a diferenciar las diferentes etapas de la enfermedad”, destaca David Moratal, investigador del Centro de Biomateriales e Ingeniería Tisular de la UPV.
¿Cómo funciona ALTEA?
El software desarrollado por los investigadores de la UPV lo que hace es un procesamiento matemático de las imágenes, a partir del cual extrae unos parámetros que permiten cuantificar la homogeneidad o heterogeneidad de la región hipocampal. “Con estos parámetros podemos caracterizar y detectar en qué fase está la enfermedad y podemos ayudar a descubrir alteraciones imperceptibles a simple vista para los especialistas clínicos”, añade Rafael Ortiz, estudiante de doctorado de la UPV y uno de los desarrolladores del software junto a los estudiantes del Grado en Ingeniería Biomédica de la UPV, Carlos López y Carolina Giménez.
Validación
Para validar el nuevo software, los investigadores analizaron imágenes de resonancia magnética de tres grupos de personas: pacientes con Alzhéimer, pacientes con deterioro cognitivo leve temprano y sujetos control. Los análisis fueron llevados a cabo en la región hipocampal (una de las regiones que más se ve afectada por la atrofia cerebral en las primeras fases de la enfermedad) usando regiones de interés circulares y esféricas. “Una vez desarrollada ALTEA, realizamos un estudio transversal mediante un análisis estadístico exhaustivo para predecir la capacidad predictiva de los posibles biomarcadores obtenidos, con unos resultados muy positivos”, destaca David Moratal.
Sobre su aplicación en la práctica clínica, los investigadores señalan que “todavía hay que introducir más parámetros de textura y falta mejorar el módulo que permite analizar combinaciones de parámetros de textura mediante técnicas de aprendizaje automático con el fin de poder crear modelos clasificadores validados”.
Sobre el alzheimer
Actualmente, la enfermedad de Alzhéimer (EA) es el tipo más común de demencia -entre el 60 y el 80% de los casos. Este desorden neurodegenerativo se caracteriza por la presencia de un deterioro progresivo de las funciones cognitivas y conductuales, principalmente a edades avanzadas. Según datos de la Sociedad Española de Neurología (SEN) en los últimos 10 años la mortalidad por Alzhéimer ha aumentado más de un 61 por ciento (un 63,7 por ciento en mujeres y un 55,8 por ciento en hombres).
Referencia bibliográfica | |
C. López-Gómez, R. Ortiz-Ramón, E. Mollá-Olmos, and D. Moratal, “ALTEA: A Software Tool for the Evaluation of New Biomarkers for Alzhéimer’s Disease by Means of Textures Analysis on Magnetic Resonance Images,” Diagnostics, vol. 8, no. 3, p. 47, Jul. 2018. |