Saltar al contenido principalSaltar al pie de página

Secciones

Neurociencias

La IA ha aprendido a leer los secretos del envejecimiento ocultos en nuestro cerebro

Traduce la estructura cerebral en una medida precisa del "Ritmo de Envejecimiento" fisiológico de todo el organismo

A partir de una única imagen cerebral, un algoritmo estima el ritmo de envejecimiento de todo el cuerpo, superando en precisión a métodos anteriores como el de la "edad cerebral".

A partir de una única imagen cerebral, un algoritmo estima el ritmo de envejecimiento de todo el cuerpo, superando en precisión a métodos anteriores como el de la "edad cerebral". / ChatGPT/T21

EDUARDO MARTÍNEZ DE LA FE

EDUARDO MARTÍNEZ DE LA FE

Madrid

Una nueva herramienta de inteligencia artificial es capaz de interpretar una única resonancia magnética para calcular la velocidad del envejecimiento de una persona y predecir con una precisión sin precedentes su riesgo de demencia, enfermedades crónicas y mortalidad. Todavía no está disponible para uso clínico.

Un estudio basado en más de 50.000 escáneres cerebrales ha validado una nueva medida, denominada DunedinPACNI, que estima el ritmo de envejecimiento longitudinal a partir de una única resonancia magnética (IRM).

Esta herramienta representa un avance significativo para comprender cómo el envejecimiento contribuye al deterioro funcional y al aumento del riesgo de enfermedades crónicas, proporcionando una medida precisa y fiable del ritmo de envejecimiento de una persona, según los autores de este trabajo, que publican sus resultados en la revista Nature.

Una medida del envejecimiento corporal

Para desarrollar esta nueva herramienta, los investigadores se basaron en el "Ritmo de Envejecimiento" (Pace of Aging), un concepto desarrollado a partir del Estudio Dunedin. Este estudio único ha seguido a 1.037 personas nacidas en el mismo año (1972-1973) en Nueva Zelanda, desde su nacimiento hasta los 45 años. Durante dos décadas, se midieron repetidamente 19 biomarcadores de la función cardiovascular, metabólica, renal, inmune, dental y pulmonar de los participantes para cuantificar la tasa de deterioro fisiológico de cada individuo.

Posteriormente, a los 45 años, se realizaron resonancias magnéticas ponderadas en T1 (un tipo específico de escáner cerebral optimizado para mostrar con gran detalle la anatomía estructural del cerebro) a 860 miembros del estudio. Utilizando la Inteligencia Artificial (un modelo de aprendizaje automático llamado elastic net regression), los autores de la nueva investigación entrenaron con esas imágenes a un algoritmo inteligente para predecir el "Ritmo de Envejecimiento" de cada persona basándose únicamente en las características estructurales de su cerebro.

Múltiples sistemas de órganos

Así es como surgió DunedinPACNI (Pace of Aging Calculated from NeuroImaging), una medida que refleja el envejecimiento de múltiples sistemas de órganos del cuerpo a partir de una sola imagen cerebral.

El modelo identificó que un ritmo de envejecimiento más rápido se correlaciona con características cerebrales como un menor grosor de la corteza cerebral, una menor superficie y volumen de materia gris cortical, un menor volumen de materia gris subcortical y un mayor volumen de los ventrículos cerebrales.

Estas características estructurales se solapan con los patrones observados tanto en el envejecimiento cerebral normal como en enfermedades neurodegenerativas, enfatizan los investigadores.

Validación y predicción de la salud futura

Para comprobar la utilidad de DunedinPACNI, el modelo se aplicó a grandes bases de datos externas como la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI), el Biobanco del Reino Unido (UK Biobank) y el Instituto Latinoamericano de Salud Cerebral (BrainLat).

Los resultados demostraron que una puntuación más alta en DunedinPACNI, que indica un envejecimiento más rápido, estaba asociada con una serie de resultados negativos para la salud.

Las personas con un DunedinPACNI más rápido mostraron un mayor deterioro en pruebas de memoria, velocidad psicomotora y función ejecutiva. Además, tenían un riesgo significativamente mayor de desarrollar deterioro cognitivo leve o demencia en el futuro.

Por ejemplo, en el estudio ADNI, los participantes con un DunedinPACNI más rápido en su primera evaluación tenían más probabilidades de progresar de un estado cognitivamente normal a deterioro cognitivo leve o demencia.

Referencia

DunedinPACNI estimates the longitudinal Pace of Aging from a single brain image to track health and disease. Ethan T. Whitman et al. Nature Aging (2025). DOI:https://doi.org/10.1038/s43587-025-00897-z

No solo cerebral

Más concretamente, un DunedinPACNI más rápido predijo una atrofia acelerada del hipocampo, una región cerebral crucial para la memoria y uno de los primeros indicadores de la enfermedad de Alzheimer.

Sin embargo, la medida no solo se relacionó con la salud cerebral. En el UK Biobank, un DunedinPACNI más rápido se asoció con una mayor fragilidad física, una peor salud general autoinformada, un mayor número de enfermedades crónicas (como infarto de miocardio, EPOC y accidente cerebrovascular) y un mayor riesgo de mortalidad por cualquier causa.

La herramienta también reflejó gradientes sociales en la salud. Las personas con menos años de educación formal o menores ingresos tendían a mostrar un DunedinPACNI más rápido, lo que concuerda con las conocidas consecuencias de las desigualdades en salud.

Una herramienta distinta y complementaria

DunedinPACNI se comparó con el "déficit de edad cerebral" (brain age gap), otro método basado en neuroimagen que predice la edad cronológica de una persona a partir de su cerebro. Aunque ambos buscan medir el envejecimiento, se observó que estaban modestamente correlacionados.

En la mayoría de los análisis, DunedinPACNI fue igual o más potente que el déficit de edad cerebral para predecir resultados clínicos como el deterioro cognitivo, la atrofia cerebral, la fragilidad y la mortalidad. Dado que las dos medidas no son idénticas, su uso combinado mejoró aún más la capacidad de predicción, sugiriendo que capturan aspectos diferentes y complementarios del proceso de envejecimiento.

Potencial futuro

Aunque los resultados son prometedores, los investigadores señalan algunas limitaciones. El modelo se desarrolló principalmente en participantes de ascendencia europea, por lo que es necesario seguir validando su generalización a poblaciones más diversas, aunque los resultados en la muestra latinoamericana de BrainLat fueron consistentes.

Actualmente, DunedinPACNI es una herramienta de investigación y no está lista para su uso clínico. Sin embargo, su potencial es enorme, aseguran los autores de esta investigación.

Pero en el futuro podría ayudar a identificar precozmente a personas con alto riesgo de múltiples enfermedades relacionadas con la edad, permitiendo intervenciones preventivas.

Además, al poder calcularse a partir de resonancias magnéticas que ya se han recogido en miles de estudios, podría enriquecer la investigación existente y acelerar el desarrollo de terapias antienvejecimiento.

Vía: Levante - EMV