Un estudio reciente publicado en Neurology sugiere que las personas con alto riesgo de desarrollar la enfermedad de Parkinson podrían ser identificadas años antes de que aparezcan los síntomas. Mediante el uso de aprendizaje automático para analizar las proteínas halladas en muestras de sangre y combinando estos datos con información clínica sencilla, los investigadores desarrollaron un modelo capaz de predecir el riesgo de enfermedad de Parkinson con hasta 15 años de antelación. Esta detección temprana podría ayudar a prevenir o incluso retrasar la progresión de este trastorno neurodegenerativo, proporcionando nuevas esperanzas para el manejo y tratamiento de la enfermedad.
Así es como se puede detectar el Parkinson 15 años antes de que se desarrolle
La enfermedad de Parkinson es el segundo trastorno neurodegenerativo más común después del Alzheimer. El desafío en el tratamiento del Parkinson radica en su diagnóstico tardío, cuando ya se ha producido un daño cerebral extenso. Los tratamientos actuales se centran en controlar los síntomas en vez de detener la progresión de la enfermedad. Los científicos creen que identificar la enfermedad en etapas más tempranas (antes de que se observen síntomas motores) podría permitir intervenciones que prevengan o retrasen la aparición de síntomas más graves.
El nuevo estudio, dirigido por Jian-Feng Feng, decano del Instituto de Ciencia y Tecnología para la Inteligencia Inspirada en el Cerebro de la Universidad de Fudan, junto con Wei Cheng, quien es investigador principal del mismo instituto, fue impulsado por la necesidad de una forma accesible y no invasiva de identificar a aquellos con alto riesgo de desarrollar Parkinson con años de antelación.
Es de resaltar que, el equipo de estudio también incluyó a Lin-Bo Wang, un joven investigador principal asociado en la Universidad de Fudan, y a Jia You, un ex investigador postdoctoral que desde entonces ha sido ascendido a joven investigador principal. Sus esfuerzos colectivos se centraron en combinar el aprendizaje automático con biomarcadores sanguíneos para crear un modelo predictivo que pudiera detectar el riesgo de enfermedad de Parkinson mucho antes de que aparezcan los síntomas clínicos.
“La enfermedad de Parkinson se caracteriza por la pérdida irreversible de neuronas dopaminérgicas, causada por agregados de α-sinucleína”, señalaron los investigadores a PsyPost.
Así mismo añadieron, “En 2022, al descubrir que el volumen cerebral de los pacientes recién diagnosticados se correlaciona con la progresión clínica futura, desarrollamos un interés en predecir la enfermedad de Parkinson años antes del diagnóstico clínico. La detección temprana tiene una importancia máxima para el desarrollo de tratamientos destinados a desacelerar la atrofia cerebral y posponer la progresión de la enfermedad en la etapa más temprana de la enfermedad”.
Para desarrollar un modelo capaz de pronosticar el riesgo de padecer Parkinson, los investigadores analizaron datos de más de 50.000 participantes del UK Biobank, un importante recurso sanitario del Reino Unido que recopila datos sobre factores genéticos, clínicos y de estilo de vida. El estudio se centró en los niveles de 1.463 proteínas diferentes que se encuentran en la sangre y en cómo estas proteínas podrían estar relacionadas con futuros diagnósticos de Parkinson.
Vale la pena destacar que, el estudio incluyó a la cantidad de 52.503 participantes que no tenían párkinson al inicio del estudio. A estos participantes se les analizó el plasma sanguíneo para medir los niveles de proteínas. El equipo de investigación usó el aprendizaje automático, una forma de IA que identifica patrones en los datos, para analizar los niveles de proteínas en sangre junto con información clínica y demográfica. Esta información incluía factores como la edad, la educación, así como el historial de lesiones en la cabeza y otros marcadores de salud.
Durante un período de seguimiento medio de 14 años, 751 participantes desarrollaron la enfermedad de Parkinson. Los investigadores utilizaron estos datos para entrenar un modelo de aprendizaje automático que pudiera predecir quién corría riesgo de desarrollar Parkinson en función de sus niveles de proteínas y características clínicas. Posteriormente, validaron el modelo utilizando un conjunto de datos independiente de la Parkinson’s Progression Markers Initiative, un proyecto que incluye a personas diagnosticadas con Parkinson, aquellas con alto riesgo de desarrollar la enfermedad e individuos sanos.
Es inherente señalar que, el modelo desarrollado por los investigadores alcanzó un alto nivel de precisión, identificando correctamente a los individuos con riesgo de padecer la enfermedad de Parkinson tanto en el Biobanco del Reino Unido como en el conjunto de datos de validación. El análisis reveló que 22 proteínas específicas halladas en el plasma sanguíneo estaban significativamente asociadas con el riesgo de Parkinson. Algunas de las proteínas más importantes identificadas incluyeron la proteína ligera de neurofilamento (NfL), una proteína vinculada al daño de las células cerebrales, y varias proteínas involucradas en la inflamación y la función muscular.
Cabe aclarar que, al integrar información clínica como la edad, antecedentes de traumatismo craneoencefálico y así mismo, niveles de creatinina en sangre (un marcador de la masa muscular y la función renal), los investigadores pudieron optimizar la precisión del modelo. La versión final del modelo, que incluía datos clínicos y proteicos, fue capaz de pronosticar el riesgo de padecer Parkinson con un alto grado de precisión, incluso hasta 15 años antes del diagnóstico.
Por su parte, el estudio también reveló que ciertas proteínas mostraron cambios distintivos a lo largo del tiempo en individuos que finalmente desarrollaron Parkinson. Por ejemplo, los niveles de la proteína NfL comenzaron a aumentar unos 12 años antes del diagnóstico, mientras que otras proteínas vinculadas con la inflamación y la función muscular mostraron cambios varios años antes del diagnóstico. Estos descubrimientos sugieren que el seguimiento de los niveles de proteína a lo largo del tiempo podría proporcionar información realmente valiosa sobre el riesgo de un individuo de desarrollar Parkinson.
Limitaciones…
Aunque los resultados de este estudio son prometedores, existen varias limitaciones que deben abordarse en futuras investigaciones. Una de ellas es la falta de diversidad en la población del estudio. La mayoría de los participantes en el Biobanco del Reino Unido y en la Iniciativa de Marcadores de Progresión del Parkinson eran de ascendencia europea, lo que puede limitar la generalización de los resultados a otras poblaciones. Los estudios futuros deberán validar el modelo en poblaciones más diversas para garantizar que sea eficaz para todos.
Entre tanto, otra limitación es que el diagnóstico de Parkinson en el Biobanco del Reino Unido se basó en registros médicos, que no siempre son precisos. Algunos participantes podrían haber sido mal diagnosticados, en particular en casos en los que no participaron especialistas en el diagnóstico. Métodos de diagnóstico más precisos, como las imágenes cerebrales, podrían ayudar a optimizar la fiabilidad de futuros estudios.
Además, aunque el estudio identificó varias proteínas asociadas con el riesgo de padecer Parkinson, muchas de ellas también están vinculadas con otras enfermedades neurodegenerativas. Por ejemplo, se han encontrado niveles elevados de NfL en la enfermedad de Alzheimer y otras afecciones que implican daño a las células cerebrales. Por lo tanto, es posible que estas proteínas no sean lo suficientemente específicas para el Parkinson, y es posible que se necesiten biomarcadores adicionales para distinguir el Parkinson de otras enfermedades.
De igual forma, el estudio también usó un método semicuantitativo para medir los niveles de proteínas, lo que puede limitar la precisión de los hallazgos. Estudios futuros que utilicen técnicas de medición más precisas podrían ayudar a refinar el modelo y al mismo tiempo, mejorar su poder predictivo.
Por último y no menos importante, el modelo se entrenó utilizando datos recopilados en un único momento, lo que puede no reflejar las fluctuaciones biológicas en los niveles de proteínas. Las mediciones repetidas de los niveles de proteínas a lo largo del tiempo podrían proporcionar predicciones más precisas y ayudar a identificar los biomarcadores más fiables para la detección temprana del párkinson.
Lo cierto es que, a pesar de estas limitaciones, este estudio representa un avance significativo en la detección temprana de la enfermedad de Parkinson. El modelo desarrollado por los investigadores proporciona una forma no invasiva y rentable de identificar a las personas con alto riesgo de desarrollar Parkinson, lo que podría permitir intervenciones tempranas que podrían retrasar o prevenir la progresión de la enfermedad. Aunque se necesitan más investigaciones para validar los hallazgos y refinar el modelo, los resultados sugieren que los biomarcadores sanguíneos, combinados con información clínica, podrían ser una herramienta realmente valiosa para pronosticar el riesgo de Parkinson en la población general.
“Nuestro objetivo a largo plazo es desarrollar una serie de modelos predictivos que se puedan aplicar en la comunidad”, afirman los investigadores.
“Estos modelos utilizarán características no invasivas, rentables y de fácil acceso para detectar la EP y otros trastornos neurodegenerativos años antes del diagnóstico clínico, con el objetivo de ralentizar o prevenir su progresión”.
Según señalan, “Además, actualmente el costo de las pruebas de proteínas plasmáticas es elevado en la proteómica de alto rendimiento. Estamos trabajando para colaborar con empresas para realizar análisis de sangre dirigidos específicamente a estos biomarcadores, lo que reduciría significativamente los costos de solicitud”.
