Ciencia básica y patogénesis

Área de la Ciencia:

• Neurociencia
• Imagen Biomédica
• Biología Computacional

Sus antecedentes:

• El declive cognitivo en la enfermedad de Alzheimer (EA) se correlaciona con la neuropatología tau, que se propaga por el cerebro en patrones predecibles.
• Los patrones atípicos de tau y los desafíos en la definición de subtipos de EA dificultan la comparación a nivel individual y la comprensión de las características patológicas distintas.
• Los métodos existentes para identificar subtipos de EA utilizando datos de neuroimagen in vivo tienen limitaciones en su definición y comparación.

Objetivo del estudio:

• Proponer un marco novedoso para interpretar la replicabilidad de los subtipos de la EA integrando hallazgos post mortem impulsados por hipótesis con agrupación impulsada por datos.
• Abordar los desafíos en la definición y comparación de subtipos de EA, particularmente en lo que respecta a la relación espacio-temporal entre la patología tau y la atrofia de la sustancia gris.
• Desarrollar un método que ayude en la asignación consistente y estable de individuos a subtipos de EA.

Principales métodos:

• Se utilizaron datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI).
• Se calculó la probabilidad de subtipo de EA para cada participante según protocolos impulsados por hipótesis.
• Se empleó agrupación semi-supervisada, incorporando la probabilidad de subtipo para agrupar datos de ADNI, y se comparó la estabilidad con métodos no supervisados utilizando validación cruzada anidada.
• Se evaluó el rendimiento de la agrupación utilizando características de tau transversales (n=222) y características relacionadas con la atrofia (n=527).

Principales resultados:

• La agrupación semi-supervisada demostró una predicción consistente de subtipos en un conjunto de prueba retenido (Índice Rand Ajustado: 0,57 para características de tau, 0,12 para características de atrofia).
• Los métodos de agrupación no supervisada (jerárquica, k-means) arrojaron resultados a nivel de azar, lo que resalta las limitaciones de los enfoques puramente impulsados por datos.
• El marco propuesto mostró un rendimiento mejorado en la predicción de subtipos de EA basado en características de tau y atrofia.

Conclusiones:

• Depender únicamente de la agrupación no supervisada para la interpretación de subtipos de EA conlleva riesgos significativos.
• Se recomienda un marco que combine definiciones impulsadas por hipótesis con agrupación impulsada por datos para definir, entrenar y evaluar subtipos de EA.
• Este enfoque mejora la fiabilidad y la interpretabilidad de la identificación de subtipos de EA, basándose en hallazgos neuropatológicos establecidos.