Investigadoras del Hospital Universitario Severo Ochoa y de la Universidad Carlos III de Madrid (UC3M) han diseñado una metodología pionera que aplica técnicas de aprendizaje automático (machine learning) al estudio de las ondas cerebrales nocturnas. Esta herramienta permite detectar alteraciones neuronales incipientes asociada a Alzheimer de forma no invasiva y clasificar a los pacientes en tres subgrupos biológicos diferenciados.
La enfermedad de Alzheimer es un proceso neurodegenerativo progresivo cuyas manifestaciones clínicas suelen aparecer entre 10 y 20 años después de que comiencen los procesos patológicos en el tejido cerebral. Dado que los fármacos actuales solo muestran eficacia en fases iniciales, el diagnóstico temprano resulta un elemento crítico.
En la actualidad, aunque técnicas como la determinación plasmática de p‑tau217 empiezan a implementarse, el sistema sanitario recurre con frecuencia a tomografías PET o punciones lumbares, pruebas invasivas o costosas que suelen realizarse cuando la sintomatología ya es evidente.
Un nuevo estudio del Hospital Universitario Severo Ochoa y de la Universidad Carlos III de Madrid (UC3M), publicado en la revista científica GeroScience, centra su atención en el periodo de sueño, momento en el que el cerebro realiza la limpieza celular de residuos metabólicos como la proteína beta‑amiloide.
Sobre la relevancia de este periodo nocturno, la investigadora principal del estudio y catedrática del Departamento de Neurociencia y Ciencias Biomédicas de la UC3M, Arrate Muñoz‑Barrutia, destaca que “los registros de la actividad eléctrica durante el sueño nos permiten tener una ventana sobre los procesos biológicos que están ocurriendo y que, al cabo de los años, pueden dar lugar al olvido y a los síntomas propios del Alzheimer”.
En esta misma línea, la facultativa especialista en Neumología del Hospital Universitario Severo Ochoa, Anna Michela Gaeta, señala que con investigación “buscamos una herramienta que permita realizar un diagnóstico precoz del Alzheimer, que sea no invasiva, económica y que pueda extenderse a la mayor parte de la población”.
Inteligencia Artificial aplicada a la polisomnografía
Para llevar a cabo el proyecto, el equipo analizó un repositorio de datos procedente de un estudio previo liderado por Gerard Piñol Ripoll (Hospital Universitario Santa María de Lérida‑IRBLleida) y Ferran Barbé (Hospital Universitario Arnau de Vilanova‑IRBLleida), financiado por el Instituto de Salud Carlos III. La muestra incluyó a 42 pacientes con Alzheimer de leve a moderado y 58 controles sanos, combinando registros de polisomnografía nocturna con la expresión de proteínas en líquido cefalorraquídeo.
Respecto al procedimiento técnico utilizado, Lorena Gallego Viñarás, investigadora del Departamento de Neurociencia y Ciencias Biomédicas de la UC3M y coautora del trabajo, explica que “se registraron las señales mediante una serie de electrodos colocados sobre el cráneo que captan la actividad eléctrica de las neuronas durante toda la noche. Nosotras utilizamos la IA para analizar esa actividad eléctrica e identificar determinados cambios que puedan detectar la acumulación de proteínas en el cerebro, las cuales posteriormente darán lugar a enfermedades neurodegenerativas”.
“La IA no pretende sustituir ningún tipo de prueba médica, sino servir de apoyo al diagnóstico temprano. Esto permite analizar la información con mucho más detalle para facilitar diagnósticos más precoces y, en consecuencia, iniciar los tratamientos con mayor antelación”, indica la investigadora.
Al cruzar los patrones eléctricos con biomarcadores clave como la proteína beta‑amiloide ($A\beta42$), la tau fosforilada ($p\text{-}tau181$), la tau total ($t\text{-}tau$) y la cadena ligera de neurofilamentos ($NfL$), el algoritmo no solo diferenció a personas sanas de pacientes, sino que identificó tres subclusters biológicos con diferencias graduales en sus biomarcadores.
Aplicación clínica futura e integración multidisciplinar
De cara al futuro, este tipo de cribado domiciliario y no invasivo podría combinarse con análisis de sangre (como la proteína p‑tau217), facilitando la detección preclínica del Alzheimer y el tratamiento paralelo de las alteraciones del sueño para ralentizar el deterioro cognitivo.
La doctora Anna Michela Gaeta destaca también la relevancia del trabajo conjunto entre distintas ramas del conocimiento, señalando que “otra cosa que hemos aprendido con esta investigación es que la ciencia del futuro en esta materia se basa en la integración de distintas disciplinas, como la neurología, la neumología y la ingeniería. Esta colaboración es fundamental porque actualmente se están desarrollando fármacos que solo pueden actuar en las fases precoces de la enfermedad”.
