Nuevo modelo computacional propuesto para la enfermedad de Alzheimer
Representaciones superficiales de cerebros propios de glucosa. La descomposición del cerebro propio de la captación de glucosa en 423 pacientes con Alzheimer revela un conjunto de patrones a gran escala de baja dimensión que explica el 51 % de la variación entre los pacientes. Se muestran las representaciones de superficie de la mediana, el rango intercuartílico (IQR) y las intensidades del cerebro propio (EB) para los primeros 10 cerebros propios. El porcentaje de varianza explicado por cada uno se enumera a la derecha de la barra de color de unidades arbitrarias. Crédito: Nature Communications (2022). DOI: 10.1038/s41467-022-29047-4
Los investigadores de Mayo Clinic propusieron un nuevo modelo para mapear los síntomas de la enfermedad de Alzheimer en la anatomía del cerebro. Este modelo se desarrolló aplicando el aprendizaje automático a los datos de imágenes del cerebro del paciente. Utiliza toda la función del cerebro en lugar de regiones o redes específicas del cerebro para explicar la relación entre la anatomía del cerebro y el procesamiento mental. Los hallazgos se informan en Nature Communications.
«Este nuevo modelo puede mejorar nuestra comprensión de cómo funciona y se descompone el cerebro durante el envejecimiento y la enfermedad de Alzheimer, proporcionando nuevas formas de monitorear, prevenir y tratar los trastornos de la mente», dice David T. Jones, MD, un Mayo Neurólogo clínico y autor principal del estudio.
La enfermedad de Alzheimer generalmente se ha descrito como un problema de procesamiento de proteínas. Las proteínas tóxicas amiloide y tau se depositan en áreas del cerebro, causando fallas neuronales que resultan en síntomas clínicos como pérdida de memoria, dificultad para comunicarse y confusión.
Sin embargo, la relación entre síntomas clínicos, patrones de daño cerebral y la anatomía del cerebro no está clara. Las personas también pueden tener más de una enfermedad neurodegenerativa, lo que dificulta el diagnóstico. El mapeo del comportamiento cerebral con este modelo computacional puede brindar una nueva perspectiva a los médicos.
El nuevo modelo se desarrolló utilizando mediciones de glucosa cerebral a partir de la tomografía por emisión de positrones con fluorodesoxiglucosa (FDG-PET) realizada en 423 participantes del estudio que tienen deterioro cognitivo y involucrado con el Estudio del Envejecimiento de Mayo Clinic y el Centro de Investigación de la Enfermedad de Alzheimer de Mayo Clinic. FDG-PET es una prueba de imágenes que muestra cómo la glucosa alimenta partes del cerebro. Las enfermedades neurodegenerativas, como la enfermedad de Alzheimer, la demencia con cuerpos de Lewy y la demencia frontotemporal, por ejemplo, tienen diferentes patrones de uso de glucosa.
El modelo comprime la anatomía cerebral compleja relevante para los síntomas de la demencia en un marco conceptual codificado por colores. que muestra áreas del cerebro asociadas con trastornos neurodegenerativos y funciones mentales. Los patrones de imágenes que se muestran en el modelo se relacionan con los síntomas que experimentan los pacientes.
La capacidad de predicción del modelo para los cambios asociados con la fisiología de la enfermedad de Alzheimer se validó en 410 personas. Se obtuvo una validación adicional mediante la proyección de una gran cantidad de datos del envejecimiento normal y los síndromes de demencia relacionados con la memoria, las funciones ejecutivas, el lenguaje, el comportamiento, el movimiento, la percepción, el conocimiento semántico y las habilidades visuoespaciales.
Los investigadores encontraron que el 51 % de las variaciones en los patrones de uso de glucosa en los cerebros de los pacientes con demencia podría explicarse por solo 10 patrones. Cada paciente tiene una combinación única de estos 10 patrones de glucosa cerebral que se relacionan con el tipo de síntomas que experimentan. En el trabajo de seguimiento, el Programa de Inteligencia Artificial (IA) del Departamento de Neurología de Mayo Clinic, dirigido por el Dr. Jones, está utilizando estos 10 patrones para trabajar en sistemas de IA que ayudan a interpretar los escáneres cerebrales de pacientes que están siendo evaluados para la enfermedad de Alzheimer. y síndromes relacionados.
«Este nuevo modelo computacional, con más validación y soporte, tiene el potencial de redirigir los esfuerzos científicos para enfocarse en la dinámica en la biología de sistemas complejos en el estudio de la mente y la demencia en lugar de enfocarse principalmente en proteínas mal plegadas», dice el Dr. Jones.
«Si las funciones mentales relevantes para la enfermedad de Alzheimer se realizan de manera distribuida en todo el cerebro, se necesita un nuevo modelo de enfermedad como el que estamos proponiendo. Creo que este modelo puede tener un impacto potencial en los diagnósticos, los tratamientos y la comprensión fundamental de la neurodegeneración y las funciones mentales en general».
Explore más
Estudio: Nuevo fármaco candidato redujo la inflamación cerebral y protegió contra el deterioro cognitivo en un modelo de ratón con Alzheimer Más información: D. Jones et al, A computational model of neurodegeneration in Alzheimer’s disease , Comunicaciones de la naturaleza (2022). DOI: 10.1038/s41467-022-29047-4 Información de la revista: Nature Communications
Proporcionado por Mayo Clinic Cita: Nuevo modelo computacional propuesto para la enfermedad de Alzheimer (2022, 28 de marzo) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-03-alzheimer-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.