Esta es la información que dan tus ojos sobre el deterioro cerebral: la retina puede revelar el riesgo de Alzheimer

Una herramienta de IA puede analizar imágenes de la retina para distinguir el Alzheimer de otras demencias

Guardar
Ojos de una persona mayor
Ojos de una persona mayor (Freepik)

Los ojos son el espejo del alma, pero la ciencia apunta a que también podrían serlo de nuestro cerebro. Un reciente estudio llevado a cabo por investigadores canadienses ha descubierto que el análisis de la retina puede revelar enfermedades neurodegenerativas como el Alzheimer y distinguirlo de otro tipo de demencias. Este hallazgo podría facilitar el diagnóstico diferencial temprano en personas de difícil acceso a estudios cerebrales tradicionales.

Los resultados del estudio ya han sido publicados en la revista Alzheimer’s & Dementia: The Journal of the Alzheimer’s Association y muestran que, gracias a herramientas de inteligencia artificial (IA), es posible distinguir de manera no invasiva entre depósitos de proteínas asociados a Alzheimer y a otras enfermedades neurodegenerativas desde imágenes de la retina. Además, con una precisión superior al 96 %.

Los investigadores analizaron ojos y cerebros post mortem de siete personas: dos con Esclerosis Lateral Amiotrófica (ELA), una de ellas también con Demencia Frontotemporal (DFT), y cuatro con DFT, incluyendo un tipo C. Además, se examinaron diez casos con posible Alzheimer para comparar patrones.

Las retinas fueron extraídas y procesadas para registrar 270 depósitos presumidos de amiloide beta y 138 de TDP-43, biomarcadores distintivos de Alzheimer y de DFT/ELA, respectivamente. El equipo empleó un polarímetro para estudiar las interacciones de la luz polarizada con los depósitos, combinando estos datos con imágenes fluorescentes específicas para cada proteína.

Random forest, un algoritmo de bosque aleatorio, y ciertas redes neuronales convolucionales (CNN) fueron entrenados para clasificar las señales obtenidas. Los modelos examinaron tanto promedios como desviaciones estándar de nueve propiedades ópticas diferentes, además de analizar la distribución espacial de los depósitos en las imágenes. Las diferencias ópticas entre los depósitos retinianos de TDP-43 y los de amiloide beta fueron claras en todos los casos estudiados, lográndose una separación precisa con inteligencia artificial.

El método logró una exactitud promedio del 86,5 % (±0,6 %) al emplear el algoritmo random forest con seis propiedades ópticas. Al implementar la red neuronal convolucional sobre imágenes de tres parámetros polarimétricos, la exactitud superó el 96 %, lo que representa una discriminación prácticamente total en la muestra analizada.

“Nuestro método es el primer diagnóstico diferencial precoz, no invasivo y de bajo costo capaz de distinguir el Alzheimer de otras demencias relacionadas con TDP-43 a partir de la retina”, escriben los autores. En España, la enfermedad de Alzheimer afecta aproximadamente a 800.000 personas, según los últimos datos de la Sociedad Española de Neurología (SEN). Es la forma más común de demencia, representando entre el 60% y el 70% de todos los casos de esta condición en nuestro país.

Episodio: 12 cuidados para retrasar el alzheimer.

Investigar el Alzheimer desde otro ángulo

De confirmarse estos resultados en estudios futuros de mayor escala, la técnica podría revolucionar el diagnóstico de demencias, puesto que proporcionaría una alternativa accesible allí donde los métodos habituales, como las imágenes cerebrales, son muy costosos o no están disponibles. El equipo subrayó que, “gracias a este enfoque, poblaciones marginadas o con acceso limitado a grandes centros de diagnóstico podrán beneficiarse de una detección temprana y más precisa”.

Además, la detección precoz mediante un simple escaneo ocular abre la puerta tanto a intervenciones más tempranas como a nuevas investigaciones sobre el inicio y la evolución de las enfermedades neurodegenerativas. Los autores plantean ampliar la investigación a mayor escala sobre individuos vivos y en diferentes estadios de la enfermedad, así como optimizar los algoritmos para reducir posibles errores y adaptarlos a condiciones clínicas rutinarias.