Investigadores de la Universidad McGill han desarrollado un algoritmo no supervisado, basado en la técnica de machine learning, con el cual es posible predecir la severidad de la neurodegeneración a partir del análisis de una muestra de sangre de individuos que todavía no presentan síntomas.

Según indica Yasser Iturria-Medinacientífico en el Centro McConnell de Imagen Cerebral y director del estudio, el algoritmo analiza la trayectoria de la expresión génica a lo largo del tiempo, con lo que es posible identificar patrones específicos de neurodegeneración. Esta característica diferencial permite distinguir la patología de otros procesos no patológicos asociados con la edad, asevera el investigador.

Inicialmente entrenado con muestras de casi 2000 pacientes con las enfermedades de Huntington y de Alzheimer de inicio tardío, el algoritmo aplicado a muestras de sangre al inicio predijo el deterioro clínico y la conversión a estadios avanzados de la enfermedad.

Ello supone la posibilidad de realizar cribados mínimamente invasivos para la detección temprana de este grupo de patologías, asegura Iturria-Medina. Esta técnica permite, además, identificar nuevos genes y vías moleculares, tanto en el cerebro como en tejidos periféricos, altamente predictivos de evolución clínica. Hasta el 90% de las vías de mayor valor predictivo en el cerebro son identificables también en la sangre, debido al importante papel que la estructura y función vasculares, así como el del sistema inmunitario, juegan en el desarrollo de la neurodegeneración, concluye Iturria-Medina.

Fuente: IM Médico