Identifican una señal en el cerebro que predice el desarrollo de alzhéimer

Una señal eléctrica cerebral podría ayudar a saber si un deterioro cognitivo leve evolucionará hacia la enfermedad de Alzheimer, según han descubierto investigadores del Carney Institute for Brain Science de la Universidad de Brown1 que utilizaron una herramienta desarrollada por ellos mismos para analizar la actividad eléctrica de las neuronas. Encontraron así un patrón específico que permite identificar a los pacientes con más probabilidades de desarrollar alzhéimer.

“Hemos detectado un patrón en las señales eléctricas de la actividad cerebral que predice qué pacientes tienen mayor probabilidad de desarrollar la enfermedad en un plazo de dos años y medio”, afirmó Stephanie Jones, profesora de neurociencia del Instituto Carney de Ciencias del Cerebro de la Universidad de Brown, que ha codirigido la investigación, en una nota publicada por el centro. “Poder observar de forma no invasiva un nuevo marcador temprano de la progresión del alzhéimer en el cerebro por primera vez es un paso muy emocionante”.

Una herramienta eficaz para la detección temprana del alzhéimer

En colaboración con la Universidad Complutense de Madrid, los investigadores analizaron registros de actividad cerebral de 85 personas con diagnóstico de deterioro cognitivo leve, a las que se les hizo seguimiento durante varios años. Las mediciones se realizaron mediante magnetoencefalografía (MEG) –una técnica no invasiva que registra la actividad eléctrica cerebral– mientras los participantes estaban en reposo y con los ojos cerrados.

Los autores del estudio se enfrentaban a un reto, ya que, por lo general, los análisis de MEG simplifican y promedian la actividad detectada, lo que dificulta ver lo que ocurre a nivel neuronal. Para superar este problema, el utilizaron la ‘Spectral Events Toolbox’, una herramienta pionera creada en Brown que permite observar la actividad neuronal como “eventos” discretos, indicando el momento exacto, la frecuencia, la duración y la intensidad con que se producen. Esta técnica ya ha sido citada en más de 300 estudios.

El análisis se centró en los eventos de actividad en la banda de frecuencia beta, relacionada con el procesamiento de la memoria y relevante en el estudio del alzhéimer. Descubrieron que quienes acabaron desarrollando la enfermedad mostraban, ya dos años y medio antes del diagnóstico, menos eventos beta, de menor duración y con menor potencia que quienes no progresaron a la enfermedad.

“Dos años y medio antes del diagnóstico de Alzheimer, los pacientes presentaban eventos beta con menor frecuencia, duración y potencia”, afirmó Danylyna Shpakivska, primera autora del estudio y residente en Madrid. “Hasta donde sabemos, esta es la primera vez que los científicos han analizado los eventos beta en relación con el alzhéimer”. Los resultados se han publicado en la revista Imaging Neuroscience2.

“Dos años y medio antes del diagnóstico de Alzheimer, los pacientes presentaban eventos beta con menor frecuencia, duración y potencia”

Actualmente, los biomarcadores más conocidos del alzhéimer se detectan en líquido cefalorraquídeo o en sangre, identificando proteínas tóxicas como la beta amiloide y la tau. Sin embargo, este nuevo marcador basado en la actividad cerebral podría ofrecer una visión más directa de cómo responden las neuronas a esa toxicidad, señaló David Zhou, investigador posdoctoral en el laboratorio de Jones.

La intención de Jones es que la ‘Spectral Events Toolbox’ se llegue a utilizar en clínicas para diagnosticar antes la enfermedad y comprobar si los tratamientos están funcionando. “La señal que hemos descubierto puede facilitar la detección temprana”, asegura la investigadora. “Una vez que nuestro hallazgo se replique, los médicos podrían utilizar nuestra caja de herramientas para el diagnóstico temprano y también para comprobar si sus intervenciones están funcionando”, concluye.

El equipo ya trabaja en la siguiente fase, financiada con un Zimmerman Innovation Award en Neurociencia del Carney Institute. El objetivo es usar modelos computacionales para comprender los mecanismos que generan esta señal y, a partir de ahí, probar terapias que puedan corregir el problema.