Una investigadora de la Unidad de Investigación en Enfermedades Crónicas (UFIEC) del Instituto de Salud Carlos III (ISCIII) ha difundido en la revista Med un trabajo centrado en la detección temprana de la enfermedad de Alzheimer. En este artículo se plantea que, ante el previsible desarrollo de nuevos biomarcadores, la estrategia más adecuada pasa por implantar cribados selectivos en personas con riesgo elevado de Alzheimer, en lugar de extenderlos de forma generalizada a toda la población.
En esta línea, las autoras descartan los programas de cribado masivos y abogan por enfoques focalizados “en las personas con riesgo elevado, que equilibren la oportunidad clínica con la responsabilidad ética y la viabilidad económica”, tal y como recogen en el texto publicado en la revista “Med”. El trabajo propone un marco científico y ético para orientar la posible detección selectiva en individuos con mayor probabilidad de desarrollar esta patología neurodegenerativa.
La aparición de este Comentario se inscribe en las actividades del consorcio europeo CombiDiag MSCA Doctoral Network, en el que participa el ISCIII. Este proyecto tiene como objetivo impulsar el diagnóstico temprano del Alzheimer y avanzar en nuevas metodologías diagnósticas basadas en biomarcadores periféricos poco invasivos, que permitan identificar la enfermedad en fases muy iniciales.
La doctora Eva Carro, responsable de la Unidad de Neurobiología del Alzheimer de la UFIEC-ISCIII e integrante del Área de Enfermedades Neurodegenerativas del Centro de Investigación Biomédica en Red (CIBER-ISCIII), detalla que en los últimos años se han abierto múltiples posibilidades para una detección precoz del Alzheimer, tanto en personas que presentan síntomas compatibles con las etapas iniciales como en sujetos que aún no muestran manifestaciones clínicas.
En ausencia de tratamientos curativos, la especialista subraya que “la reciente aprobación de tratamientos modificadores de la enfermedad, y los avances en biomarcadores menos invasivos o no invasivos, están cambiando el paradigma hacia la detección temprana”. Este giro obliga a replantear cómo, cuándo y en quién aplicar las nuevas herramientas diagnósticas.
El artículo, redactado en formato de Comentario y firmado junto a la doctora Fangya Xu, de la Universidad de Reading (Reino Unido), propone un enfoque multidisciplinar que combina la evidencia científica disponible, los principios éticos y una atención clínica basada en valores. Este marco se plantea como referencia para diseñar y consolidar programas de detección temprana del Alzheimer que sean clínicamente útiles y socialmente aceptables.
Las autoras destacan que ya es técnicamente posible identificar la enfermedad de Alzheimer en fases preclínicas o prodrómicas mediante biomarcadores procedentes de fluidos corporales y herramientas digitales. No obstante, insisten en que su utilización en estrategias proactivas de cribado debe definir con precisión “sobre qué personas hacerlo y en qué condiciones, siempre buscando la calidad de vida de las personas y respetando la integridad científica y la ética médica”.
Biomarcadores biológicos emergentes y nuevas tecnologías digitales
En el campo de los biomarcadores diagnósticos en sangre, el Comentario recoge varias líneas de investigación especialmente prometedoras, “como los marcadores ligados a las proteínas amiloide-B (AB) y tau, la relación entre los péptidos AB42 y AB40 y la amiloidosis, las isoformas tau fosforiladas y los neurofilamentos de cadena ligera, que pueden ayudar a diferenciar el Alzheimer en fase temprana de otras demencias o de los síntomas naturales del envejecimiento”.
Además, se analizan biomarcadores no sanguíneos, entre ellos las respuestas inmunitarias e inflamatorias asociadas a los primeros signos de la enfermedad, los biomarcadores presentes en la saliva, los perfiles metabolómicos de la orina o incluso ciertos microARN detectables en el líquido lagrimal. Paralelamente, se están evaluando herramientas digitales y electrofisiológicas como vías no invasivas para la detección temprana del Alzheimer, entre las que figuran los modelos cuantitativos de electroencefalografía (QEEG) y las aplicaciones basadas en procesamiento del lenguaje natural (NLP).
Según apuntan las autoras, la combinación de información procedente de señales genéticas, metabólicas y conductuales “puede permitir el desarrollo de algoritmos de riesgo adaptativos y estrategias de detección personalizadas”. Este enfoque integrador aspira a optimizar la identificación de personas con mayor riesgo, maximizando el beneficio clínico y reduciendo intervenciones innecesarias.