Los modelos predictivos podrían proporcionar una detección más precisa de la enfermedad de Parkinson en etapa temprana
Inmunohistoquímica para la alfa-sinucleína que muestra una tinción positiva (marrón) de un cuerpo de Lewy intraneural en la sustancia negra en la enfermedad de Parkinson. Crédito: Wikipedia
¿Cómo está tu sentido del olfato? ¿Con frecuencia se queda dormido durante el día o se agita durante los sueños? A menudo, la etapa temprana de la enfermedad de Parkinson no se presenta con los síntomas típicos de alteración motora, lo que hace que el diagnóstico sea problemático. Ahora, los neurocientíficos de la Universidad de York han encontrado cinco modelos diferentes que utilizan este tipo de variables clínicas y biológicas no motoras para predecir con mayor precisión la enfermedad de Parkinson en etapa temprana.
Su análisis de cinco modelos es uno de los primeros que utiliza solo variables clínicas y biológicas no motoras. Algunos modelos funcionaron mejor que otros, pero todos distinguieron la enfermedad de Parkinson en etapa temprana (preclínica) de los controles sanos de la misma edad, con una precisión superior al 80 por ciento. Los modelos pueden ayudar a una administración más oportuna de tratamientos futuros a medida que estén disponibles, según el estudio publicado hoy en Frontiers in Neurology.
Usar el método de modelo múltiple como primer paso para el diagnóstico también sería una forma menos alternativa invasiva al uso de la exploración de trazador radioactivo tradicional (DaTscan) que generalmente se usa para evaluar a los pacientes.
El autor principal del estudio, Ph.D. El candidato Charles Leger y su supervisor de laboratorio Joseph DeSouza, profesor asociado del Departamento de Psicología de la Universidad de York, dicen que el objetivo era desarrollar modelos que pudieran usarse para predecir, con una eficiencia superior al 80 por ciento, aquellos con patología de Parkinson en etapa temprana versus aquellos sin enfermedad aparente.
En el estudio, se realizaron dos análisis separados: uno para la clasificación de la enfermedad de Parkinson temprana versus los controles, y el otro para la clasificación de la enfermedad de Parkinson temprana versus SWEDD (exploraciones sin evidencia de déficit de dopamina ). El término SWEDD se refiere a la ausencia, en lugar de la presencia, de una anomalía en las imágenes en pacientes que clínicamente se presume que tienen la enfermedad de Parkinson.
«En este momento, no hay cura para la enfermedad de Parkinson. Todo lo que sabemos ahora son los signos y síntomas y solo podemos tratar los síntomas», dice DeSouza. «Estos modelos podrían ser muy útiles para diferenciar a los pacientes que pueden presentar síntomas similares a los de Parkinson no relacionados con la patología de Parkinson de los pacientes que realmente tienen la enfermedad». novo Parkinson puede permitir que las personas con un diagnóstico positivo adopten cambios en el estilo de vida, como el ejercicio físico regular desde el principio, lo que puede mejorar la movilidad y el equilibrio, dice DeSouza.
Los investigadores utilizaron datos de referencia transversales de la Iniciativa de marcadores progresivos de Parkinson ( PPMI). Los datos de PPMI utilizados se limitaron a variables clínicas no motoras (p. ej., sentido del olfato, somnolencia diurna, presencia de trastorno conductual de movimientos oculares rápidos, edad, etc.) y variables biológicas (p. ej., alfa-sinucleína del líquido cefalorraquídeo, proteína tau, beta -amiloide-142, etc.) Cinco tipos de modelos diferentes fueron modelos «entrenados» que podrían resultar útiles para ayudar a diferenciar la patología de Parkinson en etapa temprana.
«Lo que es único de este estudio es que proporciona un análisis dual , que no se había hecho antes para la enfermedad de Parkinson temprana», dice Leger.
El análisis dual incluyó: (a) predicción de la enfermedad de Parkinson preclínica temprana versus controles, luego en un análisis separado, (b ) Parkinson temprano versus SWEDD (la condición similar a la de Parkinson). Los modelos entrenados intentaron predecir el Parkinson temprano a partir de los controles (a); y Parkinson temprano de SWEDD (b).
«Cada característica utilizada se demostró relevante por primera vez en la literatura. De ellas, permitimos que cada modelo seleccionara qué predictores eran los más importantes. No se garantiza que ningún modelo proporcione la mejor opción», dice Leger. «Con cinco modelos, si obtiene la misma característica que se destaca, entonces sabe que esa variable en particular es muy importante para distinguir la enfermedad. Los neurólogos podrían aplicar uno o más de los modelos a sus propios datos para ayudar a distinguir la patología de Parkinson de la patología enmascarada como Parkinson. Dos de los modelos pueden ser útiles para ayudar a detectar a aquellos en la categoría SWEDD con patología de tipo Parkinson de aquellos cuya patología no está relacionada con el Parkinson».
Tanto en Parkinson temprano/control como en Parkinson temprano/SWEDD análisis, y en todos los modelos, la hiposmiaa reducción de la capacidad para oler y detectar olores fue la característica más importante para distinguir el Parkinson de inicio temprano, seguido del trastorno de comportamiento de movimiento ocular rápido.
Explore más
El uso a largo plazo de isradipina no retarda la progresión de la enfermedad de Parkinson Más información: Charles Leger et al, Non-motor Clinical and Biomarker Predictors Enable High Cross-Validated Accuracy Detection of EP temprana pero menor precisión de validación cruzada Detección de exploraciones sin evidencia de déficit dopaminérgico, Frontiers in Neurology (2020). DOI: 10.3389/fneur.2020.00364 Información de la revista: Frontiers in Neurology
Proporcionado por la Universidad de York Cita: Los modelos predictivos podrían proporcionar una detección más precisa de la enfermedad de Parkinson en etapa temprana (11 de mayo de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-05-accurate-early-stage-parkinson-disease.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.