Análisis sanguíneo combinado con resonancias magnéticas cerebrales revela dos tipos distintos de esclerosis múltiple

La esclerosis múltiple (EM) afecta a más de 2,8 millones de personas en todo el mundo; sin embargo, predecir la evolución de la enfermedad en cada paciente sigue siendo difícil. Las clasificaciones actuales de la EM se basan en los síntomas clínicos, que a menudo no reflejan los mecanismos biológicos subyacentes que provocan el daño nervioso. Una nueva investigación demuestra que la combinación de un simple análisis de sangre con imágenes cerebrales estándar e inteligencia artificial (IA) permite distinguir por primera vez formas biológicamente distintas de EM.

En un estudio dirigido por investigadores del Colegio Universitario de Londres (Londres, Reino Unido) y Queen Square Analytics (Londres, Reino Unido), el equipo combinó los niveles sanguíneos de la cadena ligera de neurofilamentos séricos, un marcador de daño neuronal, con imágenes cerebrales por resonancia magnética que mostraban la propagación de la enfermedad. Estos datos se analizaron mediante un modelo de aprendizaje automático desarrollado por el UCL llamado Inferencia de Subtipos y Estadios (SuStaIn).

Los investigadores analizaron datos de 634 participantes de dos cohortes de ensayos clínicos. Se midieron los niveles séricos de cadenas ligeras de neurofilamentos en muestras de sangre, mientras que mediante resonancia magnética se evaluaron los cambios estructurales cerebrales y el desarrollo de lesiones. El modelo SuStaIn integró estos datos para identificar patrones y estadios específicos de la enfermedad basándose en características biológicas, en lugar de síntomas clínicos.

El análisis reveló dos tipos biológicos distintos de esclerosis múltiple. En el tipo sNfL temprano, los pacientes mostraron niveles elevados de cadena ligera de neurofilamentos en sangre al inicio de la enfermedad, junto con daño temprano en el cuerpo calloso y rápida formación de lesiones, lo que indica una forma más agresiva. En el tipo sNfL tardío, la contracción cerebral en regiones como la corteza límbica y la sustancia gris profunda se produjo antes de que aumentaran los niveles de biomarcadores sanguíneos, lo que sugiere una evolución más lenta de la enfermedad. Los hallazgos se publicaron en Brain.

Este enfoque permite a los médicos predecir con mayor precisión qué pacientes presentan mayor riesgo de desarrollar nuevas lesiones cerebrales y empeoramiento de la discapacidad. Al identificar la biología de la enfermedad antes de que aparezca el deterioro clínico, los médicos podrían adaptar el seguimiento y el tratamiento con mayor precisión. Los investigadores creen que estos subtipos basados en datos podrían ayudar a asignar a los pacientes terapias dirigidas a los mecanismos subyacentes de su enfermedad.

“La EM no es una sola enfermedad, y los subtipos actuales no describen los cambios tisulares subyacentes, que necesitamos conocer para tratarla”, afirmó el Dr. Arman Eshaghi, fundador de Queen Square Analytics y autor principal del estudio. “Mediante el uso de un modelo de IA combinado con un marcador sanguíneo ampliamente disponible y resonancia magnética, hemos demostrado por primera vez dos patrones biológicos claros de EM”.

Enlaces relacionados:
Colegio Universitario de Londres
Queen Square Analytics

Visitar la expo >

Miembro Oro

Clinical Chemistry Assay

Sorbitol Dehydrogenase (SDH)

Software de laboratorio
Acusera 24•7

LAIR2 Antibody Pair Set

LAIR2 Antibody Pair [Biotin]

New

Analizador de coagulación automatizado

Hemolumi H6