Investigadores de UPV crean una herramienta no invasiva que ayudará a diagnosticar el alzhéimer en fases más tempranas

Investigadores de UPV crean una herramienta no invasiva que ayudará a diagnosticar el alzhéimer en fases más tempranas

Analizando texturas 2D y 3D del hipocampo, extrae biomarcadores y permite descubrir alteraciones imperceptibles para el ojo humano

EPValencia

Investigadores de la Universitat Politècnica de València (UPV), pertenecientes al Centro de Biomateriales e Ingeniería Tisular (CBIT), en colaboración con el doctor Enrique Mollá, radiólogo del Hospital de La Ribera, han creado una nueva herramienta no invasiva para ayudar al diagnóstico del alzhémier en sus fases más tempranas.

Se trata de Altea -acrónimo de Alzhéimer TExture Analyzer-, un software que, a partir del análisis de texturas 2D y 3D del hipocampo, extrae biomarcadores de alzhéimer, ayuda a detectar en qué fase está la patología y permite descubrir alteraciones imperceptibles para el ojo humano. Por el momento, se ha desarrollado una versión beta para ser utilizada en investigación, según ha informado la institución académica en un comunicado.

A día de hoy, el diagnóstico de alzhéimer sigue siendo «fundamentalmente clínico«, lo que provoca que no pueda detectarse hasta que aparecen los primeros síntomas, o incluso más tarde, cuando el daño neuropatológico es «ya grave». Por ello, se hace necesaria la búsqueda de nuevos biomarcadores que permitan una detección temprana de la enfermedad de forma no invasiva.

Altea, creada por investigadores de la Universitat Politècnica de València (UPV), pertenecientes al Centro de Biomateriales e Ingeniería Tisular (CBIT), en colaboración con el radiólogo Enrique Mollá, responde a ese reto ya que ayudaría a la detección de alzhéimer en sus fases más incipientes.

La herramienta permite «visualizar y segmentar imágenes de resonancia magnética» y, a partir de ellas, «extrae y analiza diferentes parámetros de textura cerebrales, convertidos en biomarcadores de la enfermedad de alzhéimer (los biomarcadores son indicadores biológicos que se pueden medir y relacionar su presencia e intensidad con el desarrollo de una enfermedad)».

«A la luz de los resultados preliminares obtenidos, podemos afirmar que tanto el análisis de texturas 2D como el 3D son herramientas muy potentes que podrían complementar y mejorar en gran medida el diagnóstico de la enfermedad de alzhéimer. ALTEA ayudaría al diagnóstico temprano y a diferenciar las diferentes etapas de la enfermedad», ha destacado David Moratal, investigador del Centro de Biomateriales e Ingeniería Tisular de la UPV.

Funcionamiento

El software desarrollado por los investigadores de la UPV lo que hace es un procesamiento matemático de las imágenes, a partir del cual extrae unos parámetros que permiten cuantificar la homogeneidad o heterogeneidad de la región hipocampal.

«Con estos parámetros podemos caracterizar y detectar en qué fase está la enfermedad y podemos ayudar a descubrir alteraciones imperceptibles a simple vista para los especialistas clínicos», ha añadido Rafael Ortiz, estudiante de doctorado de la UPV y uno de los desarrolladores del software junto a los estudiantes del Grado en Ingeniería Biomédica de la UPV, Carlos López y Carolina Giménez.

Validación

Para validar el nuevo software, los investigadores analizaron imágenes de resonancia magnética de tres grupos de personas: pacientes con alzhéimer, pacientes con deterioro cognitivo leve temprano y sujetos control.

Los análisis fueron llevados a cabo en la región hipocampal (una de las regiones que más se ve afectada por la atrofia cerebral en las primeras fases de la enfermedad) usando regiones de interés circulares y esféricas.

«Una vez desarrollada Altea, realizamos un estudio transversal mediante un análisis estadístico exhaustivo para predecir la capacidad predictiva de los posibles biomarcadores obtenidos, con unos resultados muy positivos», ha subrayado David Moratal.

Sobre su aplicación en la práctica clínica, los investigadores señalan que «todavía hay que introducir más parámetros de textura y falta mejorar el módulo que permite analizar combinaciones de parámetros de textura mediante técnicas de aprendizaje automático con el fin de poder crear modelos clasificadores validados».