MADRID, 23 Sep. (EUROPA PRESS) -
Un equipo de científicos internacional, en el que ha participado el investigador de la Universidad Rey Juan Carlos (URJC) Stefan Walter, ha estudiado el uso de técnicas no invasivas, como magnetoencefalografía, para mejorar en el diagnóstico de personas con deterioro cognitivo en etapas preclínicas.
Según sus hallazgos, la magnetoencefalografía podría ser una herramienta útil para distinguir a los individuos con deterioro cognitivo subjetivo y a los adultos mayores sanos sin preocupaciones cognitivas.
"Nuestro clasificador mostró una buena validez externa, siendo exitoso no solo para una muestra de deterioro cognitivo subjetivo (DCS) no vista, sino también en una población diferente con casos de deterioro cognitivo leve (DCL)", explica Walter, investigador del departamento de Medicina Preventiva y Salud Pública de la URJC y coautor del estudio.
Los principales estudios sobre esta enfermedad se centran principalmente en sus etapas iniciales o preclínicas, como la DCS y el DCL. Sin embargo, todavía está muy poco caracterizada y no existe ningún estudio neurofisiológico dedicado a su clasificación individual.
La utilización de la técnica no invasiva de la magnetoencefalografía consiste en medir las corrientes magnéticas en el cerebro, asociadas a la comunicación de las neuronas, para estudiar las relaciones entre las estructuras cerebrales y sus funciones.
Los hallazgos de esta investigación, publicados en la revista científica 'Alzheimer's research & therapy', destacan las aplicaciones potenciales de estas técnicas electrofisiológicas para mejorar en la recogida de muestras a nivel individual y avanzar en la detección de la demencia preclínica.
Los investigadores han utilizado patrones matemáticos para analizar las muestras tomadas a 252 adultos, 70 de ellos sanos (controles), 91 con deterioro cognitivo subjetivo y otros 91 con deterioro cognitivo leve. Todos ellos se sometieron a una magnetoencefalografía, empleándose una frecuencia específica para distinguir entre controles sanos y DCS. Además, los participantes de DCL fueron utilizados para validar el algoritmo previamente entrenado.
"Después de dividir aleatoriamente la muestra en dos tercios para el descubrimiento y un tercio para la validación, el clasificador recién capacitado también fue capaz de clasificar correctamente a los individuos con DCS en la muestra de validación", destaca el investigador de la URJC.
Los resultados revelan que las regiones seleccionadas por el algoritmo incluyen las áreas medial frontal, temporal y occipital, es decir, que con este método se pueden identificar bastante bien a pacientes con quejas subjetivas de memoria. "Estas personas tienen un riesgo más alto de padecer la enfermedad de Alzheimer en un futuro lejano, dentro de 10 o 15 años. Estudiando la respuesta de estas personas a intervenciones de todo tipo, podría convertirse en una guía para la prevención de la enfermedad de Alzheimer", asegura Stefan Walter.
