Si la demencia es causada por depósitos de beta-amiloide y fibrillas tau, características histológicas de la enfermedad de Alzheimer, solo podría determinarse después de un largo período de muerte. Ahora es posible visualizar depósitos mediante tomografía por emisión de positrones (PET) o detectar sus productos de descomposición en lejía.
Sin embargo, la PET es costosa y solo está disponible en unos pocos centros, la punción lumbar es un examen invasivo y doloroso. Una alternativa sería la resonancia magnética nuclear (RMN). Sin embargo, cambios como la atrofia de los dos hipocampos son sutiles. Por lo tanto, la resonancia magnética aún no ha sido adecuada para el diagnóstico.
Eso podría cambiar con el nuevo software que ahora cuenta con un equipo dirigido por Eric Aboagy del Imperial College London. El software, que se basa en la metodología de aprendizaje automático, analiza nada menos que 29.520 características morfológico-funcionales diferentes en 115 áreas del cerebro.
Fue entrenado y validado por participantes en la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer, comparando la ingesta con controles sanos y pacientes con otros trastornos neurológicos, incluida la demencia frontotemporal y la enfermedad de Parkinson. Finalmente, también se examinaron 83 pacientes de operaciones en curso en el Imperial College London.
Según Aboagy, el “Vector predictivo de la enfermedad de Alzheimer” puede distinguir de forma fiable entre personas con y sin patologías relacionadas con la enfermedad de Alzheimer: la precisión fue del 98 % en la “Iniciativa de neuroimagen de la enfermedad de Alzheimer” y del 81 % en la validación externa.
Superó con creces la resonancia magnética estándar de la atrofia del hipocampo (precisión del 26 %) y también eclipsó las pruebas de beta amiloide en el LCR (precisión del 62 %).
La desventaja del examen es que consume mucho tiempo. Es de 10 a 12 horas para pacientes individuales. El software también está entrenado en máquinas de resonancia magnética de 1,5 Tesla. Paradójicamente, era más propenso a errores con dispositivos más potentes. © rme / aerzteblatt.de
Saludiva 