Un modelo matemático desarrollado en Duke University ofrece una nueva herramienta para mejorar las predicciones y tratamiento de Alzheimer.
Investigadores de la Escuela de Medicina de Duke University y de la Pennsylvania State University desarrollaron un modelo matemático utilizando datos del mundo real de pacientes con diversas habilidades cognitivas. Este modelo de cascada de biomarcadores de enfermedad de Alzheimer (ADBC, en inglés), se diferencia de otros modelos matemáticos de Alzheimer que son teóricos y se centran en el cambio a corto plazo a nivel molecular y celular que no pueden medirse en los pacientes.
Este modelo fue validado en un estudio published in The Journal of Prevention of Alzheimer’s Disease, y su objetivo fue investigar la viabilidad de personalizar un modelo causal de la progresión de Alzheimer utilizando datos longitudinales de biomarcadores.
Los investigadores eligieron un modelo ADBC, ya que es un modelo hipotético ampliamente utilizando para Alzheimer, basado en la hipótesis de la cascada amiloide. Para su desarrollo utilizaron datos longitudinales demográficos y de biomarcadores de más de 800 pacientes de todo el espectro cognitivo de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI, en inglés).
De esta forma, el modelo consideró participantes cognitivamente normales, con deterioro cognitivo leve o diagnosticados de demencia, es decir probable enfermedad de Alzheimer. El modelo consistió en un sistema disperso de ecuaciones diferenciales que incluía cuatro biomarcadores medibles basados en proteínas del líquido cefalorraquídeo, imágenes y datos de pruebas cognitivas.
El modelo ADBC analiza el líquido cefalorraquídeo, escáneres cerebrales y pruebas de memoria de los participantes para de esta forma encontrar patrones o patrones únicos sobre la condición de cada paciente.
El modelo combinó con éxito la teoría con los datos de biomarcadores individuales para predecir cómo podría evolucionar el Alzheimer y responder oportunamente al tratamiento de manera personalizada para cada paciente. Al analizar los biomarcadores pudo predecir con precisión cómo estos marcadores podrían cambiar en el futuro para un paciente en específico.
“La enfermedad de Alzheimer se ha considerado durante mucho tiempo como un trastorno único. Esta investigación muestra que la enfermedad progresa de manera diferente en cada persona, con patrones únicos de cambios de biomarcadores”, explicó Jeffrey R. Petrella, neurorradiólogo y director del Laboratorio de Investigación de Imágenes del Alzheimer de la Escuela de Medicina de Duke.
En el estudio, los autores detallan que los resultados apoyan la viabilidad de personalizar modelos mecanicistas basados en trayectorias individuales de biomarcadores y sugieren que este enfoque puede ser útil para reclasificar sujetos en el espectro clínico del Alzheimer.
“El modelo podría desarrollar una recomendación del régimen terapéutico óptimo necesario para ayudar a un paciente a lograr el mejor resultado posible con el tiempo y minimizar la exposición a efectos secundarios”, explicó Petrella.
Finalmente, los autores concluyen que este enfoque de modelado computacional no se limita a la hipótesis de la ADBC, y puede aplicarse a cualquier hipótesis de progresión de la enfermedad en el campo del Alzheimer que pueda monitorizarse con biomarcadores. De esta manera, se trata de una herramienta clave que ofrece una plataforma computacional para comparar y validar diversas hipótesis de enfermedad, personalizar trayectorias individuales de biomarcadores y predecir la respuesta individual a estrategias teóricas de prevención e intervención terapéutica.
