O envellecemento é o factor de risco número un para desenvolver enfermidades como o alzhéimer, unha patoloxía multifactorial que representa entre o 60% e o 70% dos casos de demencia. Algo característico desta enfermidade é a deterioración cognitiva asociada e a perda de memoria. Ademais, ao non existir unha cura, o problema agrávase, o que implica unha perda de calidade de vida para os pacientes e os seus familiares, así como un enorme custo económico e social.

O grupo de Investigación Traslacional en Enfermidades Neurolóxicas (ITEN) do Intituto de Investigación Sanitaria de Santiago (IDIS) participa no proxecto Avaliación da deterioración cognitiva (screening e progresión) usando intelixencia artificial e biomarcadores epixenómicos en poboación de anciáns (COGNISANCE). O estudo, coordinado dende o IDIS polo investigador Roberto Agís, realizarase en colaboración coa empresa Domus VI, a maior rede de residencias de maiores e centros do país. Ademais, foi financiado polo Ministerio de Ciencia e Innovación na modalidade Proxectos Coordinados da Convocatoria 2022 “Proxectos de Xeración de Coñecemento”. 

O estudo pretende valorar se os cambios no estilo de vida dunha persoa poderían ser detectados como cambios de expresión moleculares e/ou nos niveis de certas proteínas relevantes. O obxectivo principal é descubrir se esta correlación existe e se eses elementos poderían servir como biomarcadores para estratificar pacientes con deterioración cognitiva en diferentes fases: presintomática (queixas de memoria, pero sen síntomas aparentes), deterioración cognitiva leve (deterioración cognitiva e síntomas) e demencia (déficits cognitivos, funcionais e de conduta / diagnóstico e tratamento).

Con este obxectivo, os investigadores de COGNISANCE traballan en dous subproxectos, un dirixido dende o IDIS por Roberto Agís e outro desde o IIS Galicia Sur, por César Veiga. O primeiro está baseado en biomarcadores en sangue para detectar alteracións cognitivas antes de que aparezan os síntomas, mentres que o segundo emprega datos e intelixencia artificial co fin de mellorar a precisión no diagnóstico e prognóstico destas patoloxías.

Desta forma, tanto os potenciais biomarcadores en sangue asociados á deterioración cognitiva que se poidan descubrir neste proxecto como o uso da intelixencia artificial para obter unha mellor estratificación dos pacientes e un mellor diagnóstico e estado de evolución da deterioración cognitiva, permitirían desenvolver métodos máis rápidos, sinxelos, económicos e fiables. Isto tería, con seguridade, unha gran acollida e rápida implantación por parte da clínica hospitalaria.

Biomarcadores en sangue

Crese que a deterioración cognitiva en doentes con alzhéimer podería detectarse anos ou décadas antes da aparición dos síntomas clínicos da demencia. “As firmas fisiolóxicas/moleculares, que se manifestan a través de cambios nos niveis de biomarcadores dos fluídos corporais, como o sangue e o tecido cerebral, por exemplo, poderían proporcionar pesquisas suficientes de alteracións cognitivas antes da aparición da deterioración cognitiva asociada ao envellecemento”, explica Roberto Agís.

O subproxecto-1 de COGNISANCE emprega ademais unha técnica nova denominada SI-MOA (Single-Molecule Array) para estudar os posibles biomarcadores relacionados coa deterioración cognitiva en sangue pois xa hai datos robustos de biomarcadores en líquido cefalorraquídeo – LCR (ex. amiloide, tau…). “O SIMOA permítenos detectar tan só 0,1 pg/mL de proteína en fluídos corporais como o sangue (soro/plasma) permitindo diagnósticos máis temperáns e rápidos; avaliar a resposta aos tratamentos e automatizar as determinacións, entre outros aspectos”, indica José Mª Prieto, xefe do Servizo de Neuroloxía do Hospital Clínico de Santiago de Compostela.

Esta detección temperá podería sinalar factores de risco específicos ou determinantes xenéticos para o desenvolvemento da demencia no futuro. Neste contexto, os estudos do investigador do IDIS, Roberto Agís, demostraron que a sinalización do factor de crecemento similar á insulina 2 (IGF2) —proteína de unión ao factor de crecemento similar á insulina 7 (IGFBP7)— así como os mecanismos epixenéticos como a metilación do ADN, acetilación de histonas e miARNs, desempeñan un papel importante na memoria e os procesos cognitivos. “Con todo, aínda se descoñece o papel da sinalización IGF2/IGFBP7 e regulación epixenética da traxectoria da deterioración cognitiva asociada ao envellecemento, os cales serán estudados neste proxecto”, sinala Roberto Agís.

Intelixencia artificial para analizar os datos

O subproxecto-2, denominado AI-COGNISANCE, deseña ferramentas de intelixencia artificial para a análise integral dos datos do proxecto, desenvolvendo ferramentas de diagnóstico e prognóstico da demencia. “A plataforma de intelixencia artificial dispoñible no IIS Galicia Sur permitiría a integración de biomarcadores clínicos que, xunto con múltiples sensores de dispositivos portables (tabletas, móbiles, weareables…), posibilitarían recompilar información relevante, como o audio da fala, a respiración, probas de memoria a curto prazo e cognición, e vídeos curtos de movementos bucais, para combinalos nun conxunto de datos único que poderían xerar un modelo preditivo autoconsistente e unificado”, explica o investigador César Veiga.

Esta ferramenta pretende orientar o apoio clínico, as opcións de coidado e mellorar a calidade de vida ou mesmo atrasar a progresión da enfermidade e a deterioración cognitiva; “axudando a identificar e estratificar os pacientes con demencia para intervencións clínicas personalizadas para cada adulto maior, baseadas nas súas condicións. Adicionalmente, AI-COGNISANCE achegará un enfoque explicable (modelos preditivos con métodos de intelixencia artificial explicables), un aspecto fundamental, pois utilizarase como ferramenta de apoio á toma de decisións clínicas”, sinala.

Con estes datos, os algoritmos de intelixencia artificial poderían ser usados para identificar e estratificar a deterioración cognitiva en pacientes para intervencións clínicas personalizadas a cada persoa, medicina de precisión, segundo as súas condicións particulares. Ademais, o proxecto contempla a aprendizaxe en continuo para engadir en tempo real datos e mellorar continuamente a predición do modelo.