Investigadores de la Universidad Hebrea de Jerusalén, Harvard Medical School y otras instituciones internacionales proponen un marco computacional basado en metamodelado bayesiano para integrar información clínica, biológica, genética y cerebral de pacientes con enfermedad de Alzheimer. La propuesta busca representar los múltiples mecanismos relacionados con esta enfermedad neurodegenerativa y, a futuro, facilitar la identificación de perfiles individuales, la predicción de su progresión y el diseño de intervenciones más personalizadas.

El planteamiento se presenta en una revisión científica publicada en la revista Brain, titulada Alzheimer disease in the computational era: from a deterministic disease to a multifaceted disorder. El artículo, firmado por Meitar Benbaji, Barak Raveh, Gad A. Marshall, Shahar Arzy y otros investigadores, examina la evolución de los criterios diagnósticos del Alzheimer y plantea una alternativa para estudiar su heterogeneidad. Se trata de una propuesta metodológica que todavía no constituye una herramienta clínica validada.

Alzheimer: una enfermedad con múltiples mecanismos biológicos y manifestaciones clínicas

Uno de los principales argumentos de la investigación es que la enfermedad de Alzheimer no puede comprenderse completamente mediante un único mecanismo patológico. Aunque la acumulación de beta-amiloide y proteína tau constituye una característica central de la enfermedad, existen otros procesos que pueden contribuir a su desarrollo, presentación clínica y progresión.

La revisión identifica una amplia variedad de factores, entre ellos alteraciones vasculares, inflamación, metabolismo de lípidos, cambios en las redes cerebrales y predisposición genética. Estos elementos pueden coexistir e interactuar de distintas maneras, lo que ayudaría a explicar por qué los pacientes no presentan necesariamente las mismas manifestaciones ni siguen trayectorias equivalentes de deterioro.

Esta variabilidad también se observa en los síntomas. Mientras algunas personas presentan predominantemente dificultades de memoria, otras pueden experimentar alteraciones de la orientación, el lenguaje, las funciones ejecutivas o el comportamiento. Los autores destacan que determinadas manifestaciones cognitivas y neuropsiquiátricas pueden identificarse en etapas tempranas, incluso antes de que aparezca una demencia clínicamente evidente.

El trabajo revisa además la evolución de los criterios diagnósticos desde las primeras descripciones de comienzos del siglo XX hasta la actualización de 2024 de la Alzheimer’s Association. Estos últimos incorporan avances en biomarcadores sanguíneos y el reconocimiento de patologías coexistentes, aspectos abordados previamente por CONSULTORSALUD en su análisis sobre los nuevos criterios diagnósticos de la enfermedad de Alzheimer.

Cómo funcionaría el metamodelado bayesiano propuesto para el Alzheimer

Para representar esta complejidad, los investigadores plantean utilizar el metamodelado bayesiano, una estrategia computacional que permite conectar modelos matemáticos especializados en diferentes aspectos de la enfermedad sin obligarlos a funcionar como un único modelo rígido. La propuesta contempla desarrollar modelos parciales capaces de analizar procesos específicos, como la progresión del deterioro cognitivo, la acumulación de proteínas patológicas, las alteraciones vasculares o metabólicas y los factores genéticos asociados con el riesgo de Alzheimer.

Posteriormente, cada modelo se convertiría en una representación probabilística simplificada de su funcionamiento, denominada modelo sustituto probabilístico. Estas representaciones se integrarían mediante variables compartidas que permitirían relacionar los distintos procesos y estimar su participación en la evolución de cada paciente.

Entre las variables que podrían analizarse se encuentran el estadio de la enfermedad, los subtipos clínicos, la vulnerabilidad de determinadas regiones cerebrales y la velocidad de progresión. A diferencia de los enfoques que estudian aisladamente un biomarcador o mecanismo, este sistema buscaría evaluar las interacciones entre múltiples factores y representar la incertidumbre asociada con sus posibles efectos. Su finalidad sería generar predicciones que posteriormente puedan contrastarse con información clínica y biológica obtenida durante el seguimiento de los pacientes.

Integración de biomarcadores, neuroimagen y genética para construir perfiles individuales

La individualización constituye uno de los objetivos centrales del modelo. Según la revisión, comprender la heterogeneidad del Alzheimer exige reunir información procedente de diferentes dimensiones clínicas y biológicas, incluidas las evaluaciones cognitivas, las manifestaciones conductuales, la neuroanatomía, la genética y los mecanismos moleculares.

Dentro de esta aproximación podrían utilizarse pruebas neuropsicológicas, resonancia magnética, tomografía por emisión de positrones (PET), biomarcadores plasmáticos y del líquido cefalorraquídeo, además de información genética y molecular.

Los autores también destacan el valor de nuevas herramientas digitales para identificar cambios sutiles en funciones como la memoria, la orientación espacial, el lenguaje y la capacidad para realizar actividades cotidianas. Estas mediciones pueden complementar los métodos tradicionales y aportar información longitudinal sobre la evolución cognitiva.

La integración de estos datos permitiría investigar cómo determinados mecanismos se relacionan con manifestaciones específicas de la enfermedad. Por ejemplo, un modelo podría explorar la interacción entre alteraciones vasculares, distribución regional de tau y deterioro cognitivo, mientras otro evaluaría la influencia de variantes genéticas sobre la progresión de procesos patológicos.

De esta manera, el objetivo no sería reemplazar la valoración clínica por un resultado automatizado, sino desarrollar representaciones más completas de las características individuales del Alzheimer y de los mecanismos que podrían explicar sus diferencias entre pacientes.

Posibles aplicaciones en ensayos clínicos y medicina de precisión

El metamodelado también podría aportar herramientas para mejorar el diseño de investigaciones terapéuticas. Los autores señalan que numerosos ensayos clínicos comparan resultados entre grupos de participantes y se concentran en intervenciones dirigidas a mecanismos biológicos específicos.

Frente a este enfoque, la integración de múltiples variables permitiría investigar subgrupos de pacientes con características biológicas, clínicas o trayectorias de progresión similares, facilitando la formulación de hipótesis sobre los mecanismos que podrían ser más relevantes para cada perfil.

Otra aplicación propuesta consiste en realizar simulaciones de intervenciones. Mediante modificaciones de determinados parámetros del modelo, los investigadores podrían comparar trayectorias teóricas de progresión con y sin una intervención específica. Entre los ejemplos considerados en el artículo se encuentran la reducción de la propagación de tau, la modificación de procesos inflamatorios y los cambios en factores vasculares. Estas simulaciones permitirían explorar hipótesis mecanísticas y orientar nuevas preguntas de investigación, pero no demostrarían por sí mismas la eficacia de un tratamiento.

Si el marco llegara a desarrollarse y validarse, sus resultados podrían contribuir a la estratificación de participantes, la selección de objetivos terapéuticos y la interpretación de diferencias en la respuesta a intervenciones.

¿Qué evidencia falta para utilizar este modelo computacional en pacientes con Alzheimer?

La principal limitación es que el artículo presenta una propuesta de integración computacional y no los resultados de una herramienta aplicada y validada en pacientes. Por tanto, no proporciona estimaciones de precisión diagnóstica, sensibilidad, especificidad ni beneficios clínicos atribuibles al metamodelado propuesto.

Los investigadores explican que construir un sistema de estas características supone importantes dificultades metodológicas. Los datos disponibles suelen ser incompletos, heterogéneos o difíciles de comparar, mientras que los modelos especializados pueden utilizar representaciones matemáticas y escalas temporales distintas. También será necesario determinar cómo se relacionan las variables entre modelos, qué mecanismos aportan información relevante y hasta qué punto las predicciones generadas corresponden a la evolución observada de la enfermedad.

La revisión plantea que este proceso requerirá múltiples etapas de desarrollo, evaluación y refinamiento. En consecuencia, las aplicaciones relacionadas con diagnóstico personalizado, pronóstico o selección de intervenciones deben interpretarse como objetivos futuros de investigación, no como capacidades clínicas actualmente demostradas por esta propuesta.

¿Cuáles son los próximos pasos para desarrollar el metamodelado del Alzheimer?

Los autores proponen comenzar con un conjunto seleccionado de modelos parciales sustentados en datos específicos y ampliar progresivamente su integración a medida que se incorporen nuevas evidencias y herramientas computacionales.

Esta construcción permitiría conectar modelos de progresión clínica, alteraciones cerebrales, biomarcadores, factores genéticos y procesos celulares. También facilitaría comparar diferentes hipótesis sobre los mecanismos de la enfermedad dentro de una misma estructura probabilística.

El desarrollo exigirá colaboración entre investigadores de distintas disciplinas e instituciones, debido a la diversidad de conocimientos y datos necesarios. Según el artículo, la construcción de un marco integral podría requerir años de trabajo y superar la capacidad de un único grupo de investigación.

La propuesta publicada en Brain sitúa así el metamodelado como una posible vía para avanzar hacia una clasificación del Alzheimer que refleje mejor sus diferencias clínicas y biológicas. Su alcance dependerá de que los modelos futuros logren producir predicciones reproducibles, clínicamente interpretables y respaldadas por datos longitudinales, antes de considerar su incorporación a las decisiones asistenciales.

Consulte el estudio completo aquí