La llave de la detección del párkinson

Rigidez, temblores, dificultad para caminar, escribir, coser, atarse los cordones o llevarse un vaso de agua a la boca son marcas que deja el párkinson. Esta enfermedad entierra la dopamina, la piedra angular para la función motora del organismo. Ciertos tratamientos simulan este transmisor que en un buen número de pacientes devuelve el movimiento pero les introduce en una espiral de adicción. Además, es sólo un parche paliativo porque este mal es incurable. De ahí que sea tan importante confirmar el diagnóstico cuanto antes.

Investigadores de la Universidad de Valladolid (UVA) han descubierto un biomarcador longitudinal capaz de identificar a pacientes en la fase inicial de la enfermedad, lo que en un futuro podría permitir que accedan a terapias que frenen o detengan el proceso de neurodegeneración y así retrasar o evitar la aparición del párkinson. Y es que antes de que descargue con toda su virulencia, produce una serie de leves signos motores o sensoriales, como una pequeña disminución en la capacidad motora, temblores, estreñimiento, vocalizaciones que imitan a los sueños, cambios en la visión o trastornos de olfato. A esta fase de la patología se le denomina prodrómica y se considera que aparece incluso más de 10 años antes de su posible detección.

Hasta ahora no existían técnicas para identificar y cuantificar esa degeneración. Este equipo ha entrenado a un algoritmo de aprendizaje automático utilizando información sobre la evolución de la conectividad cerebral de las personas a lo largo de un año, para que la herramienta aprenda a distinguir entre la evolución de los sujetos sanos y el progreso de las personas con párkinson.

«Utilizamos una modalidad de resonancia magnética que se llama resonancia de difusión, que permite obtener información sobre la conectividad de nuestro cerebro», expone Óscar Peña, estudiante de doctorado del Laboratorio de Procesado de Imagen de la UVA, quien añade que mediante un procedimiento que se conoce como tractografía se puede saber cómo están conectadas entre sí diferentes áreas del cerebro.

«Es algo así como elaborar un mapa de carreteras, pero la información que obtenemos no nos dice cuánto tráfico hay en esas carreteras, sino si son carreteras con mayor o menor capacidad, o si están en mejor o peor estado. Toda esa información se agrupa en un conectoma –el genoma humano del cerebro y un gran hito para la ciencia–», aclara Rodrigo de Luis, profesor del departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática de la UVA.

En este contexto, no sólo se comparan mapas de las conexiones entre las neuronas del cerebro, se fijan en cómo evolucionan en cada uno de los sujetos a lo largo de un año y esa es la información que utilizan. Entonces, el algoritmo proporciona una puntuación que puede diferenciar entre personas sanas y pacientes con párkinson. Distingue entre sensibilidad y especificidad y los resultados son buenos en ambos casos.

La herramienta se ha probado con un total de 67 personas, divididas en tres grupos: sujetos sanos, pacientes con la enfermedad diagnosticada en los dos últimos años y pacientes que sufren trastorno de la conducta del sueño REM o que tienen pérdida de olfato. Este tercer grupo se caracteriza porque son personas que podrían estar en la etapa prodrómica y se estima que en torno al 85% acaba evolucionando hacia la segunda patología neurodegenerativa con más prevalencia, después del alzhéimer.

Para poder hacer el estudio han utilizado un conjunto de datos públicos que se llama Parkinson’s Progression Markers Initiative (PPMI), financiado por la Fundación Michael J. Fox y otras instituciones e industrias privadas. «Este conjunto de datos es fantástico y tiene dos grandes ventajas. En primer lugar, que cada sujeto tiene datos clínicos como datos de resonancia magnética adquiridos al menos dos veces con una separación de un año entre ambas pruebas, lo que nos ha permitido un análisis longitudinal. En segundo, porque cuenta con sujetos pertenecientes a varios grupos», apunta Peña para, más tarde, comentar que es necesario ampliar el estudio para corroborar el resultado.

La innovación de esta contribución se basa en el diseño de una métrica longitudinal a partir de imágenes de resonancia magnética adquiridas con un año de diferencia, y su aplicación a un algoritmo de aprendizaje automático para poder distinguir entre controles, pacientes con párkinson y pacientes susceptibles de estar en la etapa prodrómica de la dolencia. La resonancia magnética es «una herramienta muy poderosa» para el estudio del cerebro. «Es una técnica no invasiva e inocua para el paciente, puesto que no emplea radiación ionizante. Además, permite obtener una enorme cantidad de información acerca de la morfología, la función y la conectividad que hay en diversas regiones del cerebro. El aprendizaje automático nos permite explotar toda esa cantidad de información de forma que no sería posible por otros medios», subraya Rodrigo de Luis.

A partir de la puntuación que proporciona el modelo, lo que hizo este grupo de la UVA fue establecer un umbral para dividir a los pacientes susceptibles de estar en la fase inicial del párkinson en dos grupos: pacientes que probablemente evolucionarán hacia la enfermedad y pacientes que probablemente no evolucionarán hacia ella. Validaron esta división con métricas clínicas que aplicaron a los pacientes a lo largo de un seguimiento de un año y medio, y vieron cómo estas métricas empeoraban en los pacientes que habían clasificado como de probable evolución a esta dolencia mientras que se mantenían constantes en los pacientes del otro grupo.

Además, los investigadores identificaron las conexiones cerebrales en las que el algoritmo de aprendizaje automático se fija más para hacer su clasificación y vieron que están en concordancia con las regiones afectadas por el párkinson detalladas en anteriores estudios de otros equipos de investigación. «La implicación fundamental de este estudio es que hemos demostrado que es posible, analizando la evolución a lo largo de no mucho tiempo (un año) de la conectividad cerebral de las personas, identificar con razonable precisión aquellas personas que son susceptibles de estar en fase prodrómica, e incluso observar diferencias entre los que desarrollaron la enfermedad y los que no».

El proyecto y el resultado obtenido es un claro ejemplo de la importancia de la movilidad y la colaboración internacional en la investigación. «Nuestro grupo tiene mucha experiencia en resonancia magnética, así como su aplicación a varias enfermedades (esquizofrenia, migrañas...), sin embargo, Óscar Peña no tenía experiencia previa en temas relacionados con el párkinson. Gracias a un programa de mentoreo internacional consiguió una beca para realizar una estancia de varios meses en un laboratorio del Centro de Ciencias de la Salud de la Universidad de Texas, donde consiguió mezclar el conocimiento del párkinson y de algoritmos de aprendizaje automático que tenían allí con el conocimiento sobre resonancia magnética que tenemos nosotros», expone de Luis.

En la actualidad están trabajando para intentar mejorar varios aspectos del método desarrollado. Por un lado, están modernizando la clasificación que proporciona el algoritmo de aprendizaje automático para que poder distinguir con mayor precisión entre los sujetos de los tres grupos y, por otro, están intentando aplicar esta misma metodología a otras patologías neurodegenerativas como el alzhéimer.

En España se diagnostican unos 20 nuevos casos de párkinson por cada 100.000 habitantes, lo que supondría 10.000 al año. A su vez se estima que el 2% de la población mayor de 65 años tiene este mal.

En total, hay alrededor de 160.000 personas con esta enfermedad en el país, de los cuales 10.000 viven en Castilla y León. Sin embargo, debido al aumento de la esperanza de vida y el envejecimiento de la población, se calcula que la cantidad de personas con esta dolencia se duplique de aquí a unos 20 años.

«El desarrollo de las sociedades depende en gran medida de la investigación y de la innovación»

Rodrigo de Luis, profesor contratado del departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática de la Universidad de Valladolid (UVA), lamenta que la investigación científica y tecnológica y la innovación están «bastante abandonadas» en España. «Estamos mejor que hace 30 años pero peor que hace 10. Buena parte del mundo está haciendo grandes esfuerzos en investigación e innovación porque son conscientes de que el desarrollo de las sociedades depende en gran medida de esa investigación e innovación. Sin embargo, en España lo estamos haciendo mal, y yo percibo a Castilla y León en el vagón de cola dentro del país». 

En su opinión, las administraciones públicas no trabajan para que la Comunidad sea puntera. «Los recursos son escasos en comparación con otras regiones de nuestro entorno. Eso es una decisión política. Pero es que además la gestión de esos recursos y la estructura normativa que rodea a la investigación y la innovación son muy deficientes», subraya, antes de poner dos ejemplos «surrealistas».

El primero es sobre un investigador que gana un premio por una propuesta innovadora. El dinero serviría para montar una empresa, cuando inicia los trámites se encuentra con un frenazo en seco. No puede emprender debido a que su tipo de contrato con la universidad lo impide. La razón, explica De Luis, una interpretación «restrictiva e inédita en el resto del país» de la Ley de Ciencia, que impide lo que está apoyando. Otro supuesto es cuando el Gobierno autonómico concede un proyecto y el dinero tarda en llegar mucho y luego hay que gastarlo en un periodo «increíblemente corto: tres días». «¿Qué sentido tiene esto si lo que se quiere es ayudar a la investigación?», se pregunta De Luis.

Para el profesor de la UVA, la sociedad no valora la investigación como «una inversión necesaria, estratégica e importante para el futuro». No obstante, sostiene que «parte de culpa» la tiene la universidad, que no siempre realiza toda la labor de investigación e innovación que necesita la sociedad, y además, no es capaz de explicar lo que sí que hace bien.