Análisis no lineal de registros magnetoencefalográficos para la ayuda en el diagnóstico de la enfermedad de Alzheimer

Abstract

En esta Tesis Doctoral, se ha estudiado la actividad magnetoencefalográfica (MEG) espontánea en 36 pacientes con la enfermedad de Alzheimer (EA) y en 26 sujetos de control de edad avanzada utilizando métodos de análisis no lineal. El objetivo de este estudio es determinar si la actividad cerebral reflejada en los registros MEG es diferente en los enfermos que en los controles. La EA es el tipo de demencia más común en los países occidentales. La prevalencia de la EA aumenta con la edad: está en torno al 1% en sujetos de 60 años, pero muestra un crecimiento casi exponencial, llegando a afectar al 30% de los sujetos de 85 años. Aunque un diagnóstico definitivo de la EA solamente es posible por necropsia, en la práctica clínica se realiza un diagnóstico diferencial con otros tipos de demencia. Para ello, se emplean distintas técnicas: el historial del paciente, exámenes neurológicos, estudios de laboratorio y técnicas de neuroimagen. No obstante, estas pruebas sólo permiten diagnosticar la EA con una precisión entre el 80 y el 90%. Debido a este motivo, son necesarias nuevas técnicas y pruebas que ayuden en la detección de la EA. Actualmente, las señales MEG no se utilizan en el diagnóstico de la EA. Sin embargo, existen numerosos estudios que sugieren que el análisis de registros cerebrales podría ayudar a los médicos en esta tarea. La no linealidad es una característica que está presente en múltiples señales fisiológicas. Para una red neuronal como el cerebro, la no linealidad aparece incluso a nivel celular, en el comportamiento de las neuronas. Por ello, se ha estudiado la actividad MEG espontánea en pacientes con EA y en controles con los siguientes métodos: complejidad de Lempel-Ziv, dimensión fractal de Higuchi, dimensión fractal de Maragos-Sun, entropía espectral de Shannon, entropía aproximada, entropía muestral, entropía en múltiples escalas, predicción no lineal, auto información mutua, análisis de fluctuaciones sin tendencias, análisis de media móvil sin tendencias, verosimilitud de la sincronización e índice de retardo de fase. Nuestros resultados sugieren que la EA altera la actividad MEG de los pacientes, provocando una disminución en la complejidad e irregularidad de los registros, un aumento en su predictibilidad y cambios en las fluctuaciones de las señales. Además, las diferencias entre pacientes con EA y sujetos de control fueron estadísticamente relevantes con la mayoría de los métodos utilizados. Finalmente, se utilizaron curvas ROC para evaluar la capacidad de cada uno de los métodos no lineales para discriminar entre pacientes con EA y controles. Con la complejidad de Lempel-Ziv, la entropía espectral de Shannon, el análisis de fluctuaciones sin tendencias y el análisis de media móvil sin tendencias se alcanzaron valores de precisión por encima del 79%. En resumen, nuestros resultados han mostrado la capacidad de los métodos no lineales para detectar las alteraciones que la EA provoca en la actividad cerebral de los pacientes. No obstante, este estudio constituye sólo un primer paso para la posible utilización del análisis no lineal como herramienta de ayuda al diagnóstico de la EA.