Desarrollan un nuevo enfoque para detectar el Alzheimer de manera rápida y a bajo costo, un grupo de investigación desarrolló un método novedoso para analizar las tareas de producción lingüística utilizadas en evaluaciones clínicas de esta enfermedad. Destacan su automatización y economicidad para utilizarlo en sectores de bajos recursos que no tienen acceso a diagnósticos completos.
La enfermedad de Alzheimer (EA) es una creciente causa de discapacidad y muerte a nivel mundial. Según un informe de la Organización Mundial de la Salud (OMS), se estima que, para el año 2050, afectará a más de 130 millones de personas. Y este incremento se vería reflejado también en su costo: se prevé que aumente a 1,7 billones de dólares para el 2030.
Teniendo en cuenta este factor económico, muchas personas de sectores vulnerables, que no tienen acceso a análisis completos de Alzheimer (EA), quedarían aún más lejos de poder recibir un diagnóstico y tratamiento certero. Ante este contexto, un equipo de investigación* del Consorcio multicéntrico para expandir la investigación sobre la Demencia en América Latina (ReDLat) se preguntaron si era posible desarrollar herramientas rápidas, de bajo costo y automáticas para detectar y caracterizar la enfermedad.
El interrogante impulsó un estudio en el que analizaron patrones lingüísticos en tareas breves de producción de palabras, utilizadas comúnmente en las evaluaciones de detección del Alzheimer. Las más típicas son las pruebas de fluidez verbal, en las que los participantes tienen un minuto para producir palabras que comienzan con un sonido dado (por ejemplo, /p/) o que pertenecen a una categoría específica (por ejemplo, animales).
La gran mayoría de los estudios miden el desempeño contando el número de respuestas aceptables, después de eliminar las respuestas inválidas. Sin embargo, este tipo de análisis revela déficits en casi todos los trastornos cerebrales y no puede mostrar qué tipos de palabras específicas podrían ser particularmente favorecidas por los pacientes con EA.
Esto motivó el nuevo enfoque desarrollado por los especialistas. “Tomamos todas las palabras producidas y las descompusimos en sus propiedades léxicas y semánticas, utilizando bases de datos digitalizadas que nos proporcionan valores específicos sobre la frecuencia de uso, especificidad conceptual, estructura de sonido, longitud, y otros aspectos de cada respuesta”, explicó Franco Ferrante, primer autor del estudio, becario del CONICET e investigador del Centro de Neurociencia Cognitiva de la Universidad de San Andrés (CNC-UdeSA).
El estudio encontró que los pacientes con EA se caracterizaban por una preferencia por palabras altamente utilizadas y, conceptualmente, poco específicas, con patrones de sonido comunes. De hecho, estas y otras propiedades de las palabras permitieron detectar a personas con EA con casi 90 por ciento de éxito.
“Los datos se utilizaron para diferenciar entre personas con y sin enfermedad de Alzheimer y, además, se evaluó si dicha información lingüística permitía detectar qué tan afectados estaban los participantes en términos cognitivos y cerebrales”, señaló a la Agencia CTyS-UNLaM Adolfo García, autor correspondiente del estudio, director del CNC-UdeSA y senior Atlantic Fellow del Global Brain Health Institute.
Marianela Ríos (Agencia CTyS-UNLaM) -