INVESTIGACIÓN CIENTÍFICA

Un nuevo modelo identifica señales cerebrales del Alzheimer antes de que aparezca la pérdida de memoria

Mujer disfrutando de recuerdos a través de antiguas fotografías | Pexels
Europa Press
 |  Madrid | 16/11/2026

Un estudio de la Universidad de Stanford desarrolla una herramienta capaz de detectar patrones cerebrales asociados a la enfermedad y anticipar el deterioro cognitivo.

Un nuevo marco de trabajo permite identificar características de la función cerebral vinculadas a la enfermedad de Alzheimer (EA) antes de que las personas presenten pérdida de memoria. Así lo recoge una investigación desarrollada por expertos de la Facultad de Medicina de la Universidad de Stanford (Estados Unidos), que plantea una nueva forma de detectar señales tempranas de esta enfermedad.

La herramienta también se probó en adultos sin deterioro cognitivo

A diferencia de estudios anteriores, que comparaban a pacientes con Alzheimer con adultos cognitivamente sanos, este nuevo enfoque utiliza como referencia a los denominados SuperAgers, personas que conservan unas capacidades cognitivas excepcionalmente buenas hasta edades avanzadas. Esta comparación permite establecer un punto de referencia más preciso dentro del continuo del envejecimiento cognitivo. Los resultados se han publicado en la revista científica Science Advances. Los investigadores señalan que los hallazgos respaldan la posible utilidad de esta herramienta para la estratificación temprana del riesgo entre adultos mayores que todavía no presentan alteraciones cognitivas.

Hasta ahora, los científicos han relacionado el inicio del Alzheimer con las proteínas beta-amiloide y tau, además de con determinados factores de riesgo genéticos. También han identificado a este grupo de personas, los SuperAgers, cuyas habilidades cognitivas permanecen relativamente intactas durante la vejez. Para profundizar en estas diferencias, el equipo se propuso averiguar qué características distinguen los cerebros de las personas con Alzheimer de los de quienes mantienen un rendimiento cognitivo excepcional. También quiso determinar si la identificación de estos patrones podía ayudar a detectar la enfermedad antes de la aparición de los síntomas clínicos.

Los patrones cerebrales podrían anticipar la evolución de la enfermedad

Con este objetivo, desarrollaron un modelo de aprendizaje automático denominado Alzheimer's Resilience-Vulnerability Connectome (ARC). Para entrenarlo y evaluarlo, utilizaron datos de resonancia magnética funcional en estado de reposo de 180 SuperAgers y 110 pacientes diagnosticados con Alzheimer, todos ellos de al menos 75 años. Además, comprobaron que el modelo podía generalizar sus resultados a una cohorte de replicación independiente formada por 143 individuos. Posteriormente, los investigadores aplicaron ARC a una nueva cohorte de 818 personas, ligeramente más jóvenes y sin signos de deterioro cognitivo. Ninguna de ellas había sido clasificada previamente como SuperAger. A partir de la medición de distintas características de la función cerebral, el modelo consiguió situar a los participantes en un continuo que abarcaba desde el perfil de los SuperAgers hasta el diagnóstico de Alzheimer.]]

Los resultados mostraron un rendimiento similar cuando la herramienta se aplicó a otra cohorte independiente de 497 personas, lo que permitió evaluar su funcionamiento en un grupo adicional de participantes. Según los datos disponibles, las personas cuyos patrones de función cerebral eran similares a los asociados al Alzheimer experimentaron un deterioro cognitivo más rápido durante un periodo de entre 5 y 15 años. Asimismo, presentaron una mayor acumulación de beta-amiloide y una probabilidad más elevada de progresar hacia un diagnóstico clínico de la enfermedad. Estos resultados apuntan al potencial del modelo ARC para identificar diferencias en la función cerebral antes de que se manifiesten los primeros síntomas de pérdida de memoria. De esta manera, la investigación abre una nueva vía para estudiar la vulnerabilidad y la resiliencia cerebral durante el envejecimiento y avanzar en la identificación temprana del riesgo de Alzheimer.]]