Imágenes retinales multimodales en la detección y seguimiento de la enfermedad de Alzheimer (RetAD)

La enfermedad de Alzheimer (EA) es el trastorno neurodegenerativo más común y la principal causa de demencia en todo el mundo. Un número creciente de personas sobrevive hasta los 80 o 90 años y se prevé que el número de pacientes con EA casi se triplique en las próximas tres décadas, lo que afectará a entre 80 y 90 millones de personas en todo el mundo para 2040. Así, la EA se convertirá en la tercera causa de muerte de las personas mayores, solo por detrás de las enfermedades cardiovasculares y el cáncer. A diferencia de este último, la EA no se puede prevenir, retardar o curar. La DA representa una enorme carga socioeconómica y se ha convertido en una enfermedad de un billón de dólares. A pesar de décadas de investigación intensiva, el diagnóstico y el tratamiento siguen siendo un desafío para la EA. Una serie de fracasos recientes en los ensayos clínicos de medicamentos para la enfermedad de Alzheimer ha señalado que nuestra comprensión de la enfermedad aún está lejos de ser completa. Más en detalle, se han identificado tres razones principales que subyacen a esta brecha de tratamiento:

i. La falta de técnicas para el cribado de pacientes y el diagnóstico precoz. ii. La comprensión incompleta de la compleja interacción de los procesos patológicos que subyacen a la EA.

iii. Los muchos obstáculos entre el descubrimiento y la aprobación de fármacos.

Con este estudio, los investigadores proponen una forma novedosa de abordar estas necesidades, utilizando la retina como órgano modelo para estudiar el sistema nervioso central (SNC). Muchos de los procesos fisiopatológicos cerebrales característicos de la EA también se han observado en la retina. A diferencia del resto del SNC, la retina se puede visualizar directamente, con una resolución de imagen hasta 100 veces superior a la de las exploraciones PET y MRI. Utilizando estas herramientas de imágenes de alta resolución, como la tomografía de coherencia óptica (OCT), los estudios han demostrado cambios microvasculares y adelgazamiento neurorretiniano en pacientes con EA. Los datos piloto muestran que el Aβ retiniano se puede visualizar de forma no invasiva únicamente en función de la firma hiperespectral intrínseca de los depósitos de amiloide agregados. Las imágenes de retina no invasivas (p. ej., fotografía de fondo de ojo, OCT, imágenes hiperespectrales (HSI)), que están disponibles a un costo asequible, podrían representar medios novedosos para identificar pacientes en riesgo, para el seguimiento longitudinal de la progresión de la enfermedad en AD pacientes, y para la investigación en la búsqueda de tratamientos más efectivos.

Este es un estudio abierto de biomarcadores longitudinales sin medicamento en investigación en sujetos en diferentes etapas del espectro de la EA.

Los datos que recopilaremos consisten en imágenes de amiloide, resonancia magnética, datos sanguíneos, genéticos, de salud general y cognitivos, así como agudeza visual, biomicroscopía ocular y fondo de ojo, fotografías de fondo de ojo, imágenes retinianas hiperespectrales, imágenes retinianas de tomografía de coherencia óptica (OCT) y Imágenes retinianas de angiografía OCT (OCT-A). Los sujetos serán seguidos longitudinalmente. En el estudio actual, los investigadores estudiarán principalmente el potencial de las imágenes retinales multimodales no invasivas para la detección temprana de la enfermedad de Alzheimer y para la evaluación de la progresión de la enfermedad. Esto se hará en comparación con imágenes de amiloide y evaluaciones neuropsicológicas.

Los investigadores construirán una base de datos longitudinal de parámetros de imágenes oculares, sistémicas, neuropsiquiátricas, MRI y PET de pacientes Aβ-positivos y Aβ-negativos con diferentes etapas de deterioro cognitivo. Esta base de datos se utilizará para proporcionar una prueba de concepto de que los biomarcadores retinales proporcionan una herramienta temprana, precisa y no invasiva para la detección y el seguimiento de la EA. Todos los datos se recogerán en una base de datos para su análisis estadístico.