Enfermedad de Parkinson - Un nuevo procedimiento permite la detección precoz en pacientes de riesgo
Hasta siete años antes de la aparición de los síntomas motores típicos
Computer-generated image
La enfermedad de Parkinson es la segunda enfermedad neurodegenerativa más común y cada vez es más frecuente entre la población. Además de síntomas motores como lentitud de movimientos, aumento de la tensión muscular y temblores, los afectados presentan también síntomas no motores como trastornos olfativos y del sueño y depresión. La enfermedad está causada por la descomposición progresiva de ciertas células nerviosas del cerebro, lo que provoca una deficiencia del neurotransmisor dopamina. El equilibrio de dopamina y otros neurotransmisores en el cerebro es crucial para el buen funcionamiento del sistema musculoesquelético. Si falta la dopamina, se alteran los procesos de movimiento. Hasta ahora, el diagnóstico se basaba principalmente en los síntomas motores, que sólo aparecen cuando ya se ha degradado más del 70 por ciento de las células nerviosas que contienen dopamina. Actualmente no existen pistas, los llamados biomarcadores, que puedan indicar el proceso específico de la enfermedad de forma sencilla, directa y, sobre todo, en una fase temprana.
Científicos del Centro Médico Universitario de Göttingen (UMG) y del University College de Londres han logrado ahora utilizar muestras de sangre e inteligencia artificial para predecir la enfermedad de Parkinson en pacientes con un mayor riesgo de desarrollarla siete años antes de la aparición de los síntomas motores típicos. En un primer paso, se analizaron proteínas en muestras de sangre de pacientes con Parkinson de la Paracelsus-Elena-Klinik Kassel y de participantes sanos en el estudio, utilizando una moderna espectrometría de masas. Fue posible identificar 23 proteínas que mostraban diferencias entre los participantes enfermos y sanos y que, por tanto, podían considerarse biomarcadores de la enfermedad. En un segundo paso, se examinaron estas 23 proteínas en las muestras de sangre de personas con trastorno aislado del comportamiento del sueño por movimientos oculares rápidos (MOR), que representa un alto riesgo de padecer la enfermedad de Parkinson. Utilizando inteligencia artificial, ocho de las 23 proteínas fueron capaces de predecir la enfermedad de Parkinson en el 79 por ciento de estos pacientes de alto riesgo hasta siete años antes de la aparición de los síntomas. El método se confirmará en estudios posteriores y se seguirá desarrollando para su aplicación clínica. El proyecto PROPAG-AGING, de cuatro años de duración, fue financiado por la UE con un total de unos seis millones de euros.
"Mediante la determinación de ocho proteínas en la sangre, podemos identificar a posibles pacientes de Parkinson con varios años de antelación. Podrían administrarse terapias farmacológicas en una fase más temprana, lo que posiblemente ralentizaría la progresión de la enfermedad o incluso evitaría que se produjera", afirma el Dr. Michael Bartl, médico residente del Departamento de Neurología y miembro del grupo de trabajo de Investigación Traslacional de Biomarcadores en Enfermedades Neurodegenerativas de la UMG y uno de los primeros autores del estudio. "No sólo hemos desarrollado una prueba, sino que también realizamos el diagnóstico utilizando ocho proteínas marcadoras que están directamente relacionadas con procesos como la inflamación y la descomposición de proteínas no funcionales. Estos marcadores también representan posibles dianas para tratamientos farmacológicos", añadió el Dr. Bartl.
El estudio en detalle
El estudio comparó las diferencias en las proteínas del plasma sanguíneo o suero entre 99 pacientes de Parkinson y 36 controles sanos. Los pacientes de Parkinson fueron participantes en el estudio De Novo Parkinson's (DeNoPa) en la Paracelsus-Elena-Klinik Kassel, que ha estado funcionando desde el 2009 y tiene como objetivo seguir la enfermedad de Parkinson desde los primeros síntomas en adelante desde una perspectiva a largo plazo. Las muestras de sangre se analizaron mediante espectrometría de masas, un proceso técnico para separar átomos y moléculas en función de la masa y la carga, y se determinó la concentración de diversas proteínas sanguíneas. Los análisis se llevaron a cabo en estrecha colaboración con el profesor Kevin Mills y la doctora Jenny Hällqvist, especializados en la aplicación de la espectrometría de masas para identificar nuevos biomarcadores y pruebas de precisión en el Grupo de Investigación Traslacional de Espectrometría de Masas del University College de Londres (Reino Unido). A continuación, los datos se analizaron mediante aprendizaje automático, una rama de la inteligencia artificial. Los sistemas informáticos aprenden a reconocer patrones y correlaciones en los datos y así mejoran. Se identificaron diferencias en 23 proteínas.
En un paso posterior, se examinaron las muestras de sangre de 72 pacientes con trastorno aislado del comportamiento del sueño REM, que se caracteriza por sueños vívidos y actividad física durante el sueño onírico y plantea un alto riesgo de enfermedad de Parkinson más adelante en la vida, en comparación con el grupo de control sano de 36 participantes utilizando aprendizaje automático. En el momento de la primera muestra de sangre, ninguno de los sujetos con trastorno del comportamiento durante el sueño presentaba signos motores de la enfermedad de Parkinson. Ambos grupos fueron examinados durante un periodo de diez años.
En el estudio, se identificaron 23 proteínas en las muestras de sangre como posibles biomarcadores de la enfermedad de Parkinson utilizando espectrometría de masas. Con la ayuda del aprendizaje automático, ocho de estas proteínas fueron capaces de predecir la enfermedad de Parkinson con hasta siete años de antelación en el 79 por ciento de los pacientes de riesgo con trastorno del comportamiento del sueño REM. Esto se confirmó clínicamente en la observación a largo plazo. Durante el curso del estudio, 16 de estos pacientes desarrollaron la enfermedad de Parkinson.
"El objetivo ahora es utilizar un procedimiento simplificado para llevar a cabo las pruebas no sólo en pacientes con un mayor riesgo de enfermedad de Parkinson, sino también en una base poblacional. Es necesaria una situación de datos bien fundamentada para establecer una prueba diagnóstica y trasladar los resultados a la aplicación clínica general", explica el profesor Dr. Brit Mollenhauer, catedrático del Departamento de Neurología y jefe del grupo de trabajo "Investigación traslacional de biomarcadores en enfermedades neurodegenerativas" de la UMG, médico jefe del Departamento de Neurología de la Paracelsus-Elena-Klinik Kassel y último autor del estudio.
Estos estudios ya han comenzado: En primer lugar, además de otras personas con un trastorno aislado de la conducta del sueño REM, también se está examinando a otros individuos de riesgo con una capacidad olfativa reducida. Los científicos de Kassel también están llevando a cabo el estudio "Envejecimiento saludable": Para ello, se contactó con 170.000 personas de entre 50 y 80 años y se les pidió que rellenaran un cuestionario sobre síntomas de riesgo de enfermedad de Parkinson y/o demencia. Casi 10.000 personas respondieron a la llamada; en un segundo paso, se envió a 3.000 una prueba olfativa y, a finales de este año, 300 personas con un riesgo alto o bajo serán examinadas en la clínica; también se les extraerá sangre para realizar más pruebas del nuevo procedimiento de análisis. Este grupo de riesgo también será examinado en Lübeck, Tubinga, Innsbruck (Austria), Barcelona (España), Luxemburgo (Luxemburgo) y Londres (Reino Unido) bajo la dirección de la UMG y la Paracelsus-Elena-Klinik Kassel.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Plasma proteomics identify biomarkers predicting Parkinson’s disease up to 7 years before symptom onset. Jenny Hällqvist, Michael Bartl, Mohammed Dakna,...Maria-Lucia Muntean, Friederike Sixel-Döring, Claudio Franceschi, Ivan Doykov, Justyna Śpiewak, Héloїse Vinette, Claudia Trenkwalder, Wendy E. Heywood, Kevin Mills, Brit Mollenhauer. Nature Communications (2024)