Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil




Eventos

02 jun 2026 - 04 jun 2026
17 jun 2026 - 19 jun 2026

Prueba de metabolitos en sangre detecta deterioro cognitivo temprano

Por el equipo editorial de LabMedica en español
Actualizado el 13 Apr 2026
Imagen: los hallazgos podrían allanar el camino para que un análisis de sangre detecte el riesgo de deterioro cognitivo años antes de que normalmente se diagnostique la demencia (fotografía cortesía de Adobe Stock)
Imagen: los hallazgos podrían allanar el camino para que un análisis de sangre detecte el riesgo de deterioro cognitivo años antes de que normalmente se diagnostique la demencia (fotografía cortesía de Adobe Stock)

La identificación temprana de personas con riesgo de demencia sigue siendo difícil, ya que los síntomas suelen aparecer solo después de una neurodegeneración significativa. Las herramientas de detección accesibles que identifiquen cambios cognitivos sutiles antes del diagnóstico clínico podrían mejorar el seguimiento y permitir una intervención más temprana.

Los análisis de sangre vinculados a la biología subyacente constituyen una vía práctica para la estratificación del riesgo en la atención primaria y especializada. Un nuevo estudio demuestra que el perfil metabólico de la sangre en ayunas, vinculado al eje intestino-cerebro, puede distinguir el deterioro cognitivo temprano con notable precisión.

Científicos de la Universidad de East Anglia (Norwich, Reino Unido) desarrollaron un modelo de aprendizaje automático de inteligencia artificial (IA) basado en seis metabolitos sanguíneos para clasificar el estado cognitivo.

Este método analiza 33 moléculas derivadas del intestino y la dieta, medidas en muestras de sangre en ayunas, junto con un análisis de heces, para caracterizar las comunidades bacterianas intestinales. Los investigadores afirman que las señales metabólicas reflejan cambios en bacterias intestinales específicas, lo que respalda el papel del eje intestino-cerebro en los cambios tempranos de la memoria.

El estudio evaluó a 150 adultos de 50 años o más, incluyendo participantes sanos, personas con problemas de memoria subjetivos que obtuvieron resultados normales en las pruebas y personas con deterioro cognitivo leve (DCL). Todos los participantes proporcionaron muestras de sangre en ayunas para análisis de metabolitos específicos y muestras de heces para el mapeo del microbioma. Mediante modelos informáticos avanzados e inteligencia artificial, los investigadores evaluaron si las combinaciones de estas moléculas circulantes podían diferenciar a los grupos.

Un modelo basado en seis metabolitos clasificó a los participantes de los tres grupos con un 79 % de precisión y diferenció a los adultos sanos de aquellos con DCL con más del 80 % de precisión. El estudio, publicado en Gut Microbes el 27 de marzo de 2026, contó con la participación de investigadores de la Universidad de East Anglia y la Universidad Queen Mary de Londres.

Los investigadores sugieren que este enfoque podría ayudar a identificar a las personas con mayor riesgo de deterioro de la memoria años antes de que se diagnostique la demencia, y destacan el microbioma como un objetivo potencial para proteger la salud cerebral.

"Este estudio es fascinante porque vincula el análisis avanzado de datos con el objetivo clínicamente realista de encontrar una forma sencilla y aceptable de detectar el riesgo de forma temprana. Podría contribuir a un nuevo conjunto de métodos que ayuden a cerrar la brecha entre la investigación científica y las herramientas prácticas para la prevención", afirmó el Dr. Saber Sami, director del proyecto Alzheimer's Research UK UEA y coautor del mismo.

Enlaces relacionados
University of East Anglia

Miembro Oro
Neonatal Heel Incision Device
Tenderfoot
Software de laboratorio
Acusera 24•7
New
Chromogenic Culture System
InTray™ COLOREX™ ECC
New
Hematology Consumables
Bioblood Devices

Canales

Diagnóstico Molecular

ver canal
Imagen: Aclarar las características del microambiente tumoral y los programas de células cancerosas vinculados a la respuesta al tratamiento podría proporcionar información más temprana sobre la terapia contra el cáncer de mama triple negativo (crédito de la imagen: Shutterstock)

Panel genético muestra potencial para predecir la respuesta a la quimioterapia en el CMTN

El cáncer de mama triple negativo (CMTN) es un subtipo agresivo que se trata habitualmente con quimioterapia, pero los resultados varían considerablemente entre las pacientes. Comprender las características... Más

Hematología

ver canal
Imagen: Resumen gráfico (Waclawiczek A, Leppä AM, Renders S, et al. Cell Stem Cell, 2026. doi:10.1016/j.stem.2026.04.012)

Los biomarcadores de células madre podrían orientar el tratamiento en la leucemia mieloide aguda

La leucemia mieloide aguda (LMA) es un cáncer de sangre agresivo que afecta con mayor frecuencia a adultos mayores y que, a pesar de los avances terapéuticos, aún presenta un pronóstico... Más

Microbiología

ver canal
Imagen: Biosensor para la detección de tuberculosis (fotografía cortesía de la UPV)

Biosensor de antígeno detecta tuberculosis activa en una hora

La tuberculosis sigue siendo un importante desafío de salud global y continúa siendo una causa significativa de morbilidad y mortalidad. El informe mundial de 2024 de la Organización... Más

Patología

ver canal
Imagen: ArteraAI Breast analiza imágenes histopatológicas digitalizadas junto con variables clínicas del paciente para producir una puntuación de riesgo derivada de IA que proporciona información de pronóstico sobre la probabilidad de metástasis a distancia (Crédito de la imagen: Adobe Stock)

Herramienta de patología digital con IA para la estratificación del riesgo en cáncer de mama

La evaluación del riesgo en el momento del diagnóstico es fundamental para guiar el tratamiento del cáncer de mama invasivo en estadio temprano, con receptor hormonal positivo y receptor 2 del factor de... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.