Un amplio estudio publicado recientemente revela cómo el sistema inmunológico del cerebro puede tanto combatir como contribuir al desarrollo de enfermedades neurodegenerativas como el Alzheimer, el Parkinson y trastornos relacionados. La investigación destaca que el momento, el tipo de célula involucrada y el contexto específico de la enfermedad son factores cruciales que podrían determinar el éxito de futuras terapias inmunomoduladoras.
El aumento en el uso de bicicletas y scooters eléctricos ha provocado un incremento en las lesiones cerebrales y espinales entre peatones y usuarios en entornos urbanos, según revela un estudio reciente liderado por investigadores de NYU Langone Health.
La investigación, publicada el 15 de abril en la revista Neurosurgery, analizó durante cinco años a 914 pacientes tratados por lesiones relacionadas con dispositivos de micromovilidad (tanto eléctricos como de pedal) en el hospital NYC Health + Hospitals/Bellevue. Los resultados indican que estas lesiones representan actualmente casi el 7 por ciento de los pacientes traumatológicos admitidos en dicho centro.
El estudio destaca que un tercio de los pacientes sufrió una lesión cerebral traumática. Además, más de dos tercios requirieron hospitalización y aproximadamente el 30 por ciento necesitó cuidados intensivos.
Se observó un crecimiento significativo en la frecuencia de estos casos: la proporción de traumatismos relacionados con estos dispositivos en la sala de emergencias pasó de representar menos del 10 por ciento en 2018 a más del 50 por ciento para el año 2023.
Entre los hallazgos principales se encuentran:
Los investigadores notaron que las lesiones alcanzaron su punto máximo entre las 6 y las 8 p.m., lo que sugiere que el intenso tráfico de entregas en bicicleta eléctrica durante la hora de la cena podría influir en estas cifras.
La doctora Hannah Weiss, residente del Departamento de Neurocirugía de la NYU Grossman School of Medicine y autora de correspondencia, señaló que estas lesiones de micromovilidad están generando traumas cerebrales y espinales graves que requieren atención neuroquirúrgica a una escala sin precedentes en entornos urbanos concurridos.
Las señales que impulsan muchas de las funciones más esenciales del cerebro y del cuerpo –conciencia, sueño, respiración, frecuencia cardíaca y movimiento– viajan a través de haces de fibras de “materia blanca” en el tronco encefálico. Sin embargo, hasta ahora, los sistemas de imagen no han podido resolver con precisión estos cruciales cables neuronales, lo que ha limitado la capacidad de los investigadores y médicos para evaluar cómo se ven afectados por traumatismos o neurodegeneración.
Un nuevo estudio, realizado por un equipo de investigadores del MIT, la Universidad de Harvard y el Hospital General de Massachusetts, presenta un software impulsado por inteligencia artificial capaz de segmentar automáticamente ocho haces distintos en cualquier secuencia de resonancia magnética de difusión (RMd).
El estudio, de acceso abierto y publicado el 6 de febrero en los Proceedings of the National Academy of Sciences, liderado por Mark Olchanyi, estudiante de posgrado del MIT, informa que su BrainStem Bundle Tool (BSBT), que han puesto a disposición del público, reveló patrones distintos de cambios estructurales en pacientes con enfermedad de Parkinson, esclerosis múltiple y traumatismo craneoencefálico, y también arrojó luz sobre la enfermedad de Alzheimer. Además, el estudio demuestra que BSBT permitió rastrear retrospectivamente la recuperación de los haces nerviosos en un paciente en coma, lo que reflejó su camino de recuperación de siete meses.
“El tronco encefálico es una región del cerebro que esencialmente no se ha explorado porque es difícil de visualizar”, explica Olchanyi, candidato a doctor en el Programa de Ingeniería Médica y Física Médica del MIT. “La gente no comprende realmente su composición desde una perspectiva de imagen. Necesitamos comprender la organización de la materia blanca en los humanos y cómo esta organización se descompone en ciertas enfermedades”.
El profesor Emery N. Brown, supervisor de tesis de Olchanyi y coautor principal del estudio, añade: “El tronco encefálico es uno de los centros de control más importantes del cuerpo. Los algoritmos de Mark son una contribución significativa a la investigación en imagen y a nuestra capacidad para comprender la regulación de la fisiología fundamental. Al mejorar nuestra capacidad para visualizar el tronco encefálico, nos ofrece un nuevo acceso a funciones fisiológicas vitales, como el control de los sistemas respiratorio y cardiovascular, la regulación de la temperatura, cómo nos mantenemos despiertos durante el día y cómo dormimos por la noche”.
Brown es el Profesor Edward Hood Taplin de Neurociencia Computacional e Ingeniería Médica en el Instituto Picower para el Aprendizaje y la Memoria, el Instituto de Ingeniería Médica y Ciencia y el Departamento de Ciencias Cerebrales y Cognitivas del MIT. También es anestesiólogo en MGH y profesor de la Facultad de Medicina de Harvard.
Desarrollo del algoritmo
La RMd ayuda a trazar las largas ramas, o “axones”, que las neuronas extienden para comunicarse entre sí. Los axones suelen estar revestidos por una vaina de grasa llamada mielina, y el agua se difunde a lo largo de los axones dentro de la mielina, que también se denomina “materia blanca” del cerebro. La RMd puede resaltar este desplazamiento muy dirigido del agua. Sin embargo, la segmentación de los distintos haces de axones en el tronco encefálico ha demostrado ser un desafío, porque son pequeños y están enmascarados por los flujos de fluidos cerebrales y los movimientos producidos por la respiración y los latidos del corazón.
Como parte de su trabajo de tesis para comprender mejor los mecanismos neuronales que sustentan la conciencia, Olchanyi quiso desarrollar un algoritmo de IA para superar estos obstáculos. BSBT funciona rastreando los haces de fibras que se sumergen en el tronco encefálico desde áreas vecinas más altas del cerebro, como el tálamo y el cerebelo, para producir un “mapa de fibras probabilístico”. Un módulo de inteligencia artificial llamado “red neuronal convolucional” combina entonces el mapa con varios canales de información de imagen dentro del tronco encefálico para distinguir ocho haces individuales.
Para entrenar a la red neuronal para segmentar los haces, Olchanyi “mostró” 30 exploraciones de RMd en vivo de voluntarios del Human Connectome Project (HCP). Las exploraciones se anotaron manualmente para enseñar a la red neuronal cómo identificar los haces. Luego validó BSBT probando su resultado con disecciones “de verdad fundamental” de cerebros humanos post mortem donde los haces estaban bien delimitados mediante inspección microscópica o imágenes de muy alta resolución, pero lentas. Después del entrenamiento, BSBT se volvió competente en la identificación automática de los ocho haces de fibras distintos en nuevas exploraciones.
En un experimento para probar su coherencia y fiabilidad, Olchanyi encargó a BSBT que encontrara los haces en 40 voluntarios que se sometieron a exploraciones separadas dos meses después. En cada caso, la herramienta pudo encontrar los mismos haces en los mismos pacientes en cada una de sus dos exploraciones. Olchanyi también probó BSBT con múltiples conjuntos de datos (no solo el HCP) e incluso inspeccionó cómo cada componente de la red neuronal contribuyó al análisis de BSBT desactivándolos uno por uno.
“Sometimos a la red neuronal a una prueba rigurosa”, dice Olchanyi. “Queríamos asegurarnos de que realmente estuviera realizando estas segmentaciones plausibles y que estuviera aprovechando cada uno de sus componentes individuales de una manera que mejore la precisión”.
Posibles nuevos biomarcadores
Una vez que el algoritmo fue entrenado y validado adecuadamente, el equipo de investigación pasó a probar si la capacidad de segmentar distintos haces de fibras en exploraciones de RMd podría permitir el seguimiento de cómo el volumen y la estructura de cada haz variaban con la enfermedad o la lesión, creando un nuevo tipo de biomarcador. Aunque el tronco encefálico ha sido difícil de examinar en detalle, muchos estudios demuestran que las enfermedades neurodegenerativas afectan al tronco encefálico, a menudo en las primeras etapas de su progresión.
Olchanyi, Brown y sus coautores aplicaron BSBT a una gran cantidad de conjuntos de datos de exploraciones de RMd de pacientes con enfermedad de Alzheimer, enfermedad de Parkinson, EM y traumatismo craneoencefálico (TCE). Los pacientes se compararon con controles y, a veces, consigo mismos a lo largo del tiempo. En las exploraciones, la herramienta midió el volumen del haz y la “anisotropía fraccional” (FA), que rastrea la cantidad de agua que fluye a lo largo de los axones mielinizados en comparación con la cantidad que se difunde en otras direcciones, un indicador de la integridad estructural de la materia blanca.
En cada condición, la herramienta encontró patrones consistentes de cambios en los haces. Si bien solo un haz mostró un declive significativo en la enfermedad de Alzheimer, en la enfermedad de Parkinson, la herramienta reveló una reducción de la FA en tres de los ocho haces. También reveló una pérdida de volumen en otro haz en pacientes entre una exploración de referencia y un seguimiento de dos años. Los pacientes con EM mostraron las mayores reducciones de FA en cuatro haces y la pérdida de volumen en tres. Mientras tanto, los pacientes con TCE no mostraron una pérdida de volumen significativa en ningún haz, pero las reducciones de FA fueron evidentes en la mayoría de los haces.
Las pruebas en el estudio demostraron que BSBT fue más preciso que otros métodos de clasificación para discriminar entre pacientes con afecciones de salud y controles.
Por lo tanto, BSBT puede ser “un complemento clave que ayuda a los métodos actuales de imagenología diagnóstica al proporcionar una evaluación detallada de la estructura de la materia blanca del tronco encefálico y, en algunos casos, información longitudinal”, escribieron los autores.
Finalmente, en el caso de un hombre de 29 años que sufrió un TCE grave, Olchanyi aplicó BSBT a exploraciones tomadas durante el coma de siete meses del hombre. La herramienta mostró que los haces del tronco encefálico del hombre se habían desplazado, pero no se habían cortado, y demostró que durante su coma, las lesiones en los haces nerviosos disminuyeron en un factor de tres en volumen. A medida que se curaban, los haces volvieron a su lugar.
Los autores escribieron que BSBT “tiene un potencial pronóstico sustancial al identificar los haces del tronco encefálico conservados que pueden facilitar la recuperación del coma”.
Los otros autores principales del estudio son Juan Eugenio Iglesias y Brian Edlow. Otros coautores son David Schreier, Jian Li, Chiara Maffei, Annabel Sorby-Adams, Hannah Kinney, Brian Healy, Holly Freeman, Jared Shless, Christophe Destrieux y Hendry Tregidgo.
La financiación del estudio provino de los Institutos Nacionales de la Salud, el Departamento de Defensa de los Estados Unidos, la Fundación James S. McDonnell, la Fundación Rappaport, el Instituto Americano SidS, la Fundación Americana del Cerebro, la Academia Americana de Neurología, el Centro para la Integración de la Medicina y la Tecnología Innovadora, el Plan para la Investigación en Neurociencia y el Centro de Ciencias de la Vida de Massachusetts.