Desafíos y avances en la atención integral de pacientes con Alzheimer
Autora principal: Andrea Ibáñez Romero
Vol. XX; nº 15; 852
Challenges and Advances in the Comprehensive Care of Patients with Alzheimer’s Disease
Fecha de recepción: 10 de julio de 2025
Fecha de aceptación: 5 de agosto de 2025
Incluido en Revista Electrónica de PortalesMedicos.com, Volumen XX. Número 15 – Primera quincena de Agosto de 2025 – Página inicial: Vol. XX; nº 15; 852
Autores:
Andrea Ibáñez Romero, Enfermera Especialidad HOP Teruel
Patricia Cortés Egeda, Enfermera Especialidad HOP Teruel
Ana María Luca Simón, Enfermera Especialidad HOP Teruel
Marta Gascón Sánchez, Enfermera Especialidad HOP Teruel
Irene Sanz Gómez, Enfermera Especialidad HOP Teruel
Irene Torán Bellido, Enfermera Especialidad HOP Teruel
Resumen
El Alzheimer es una enfermedad neurodegenerativa progresiva que representa el principal tipo de demencia en el mundo. Su diagnóstico temprano es crucial para intervenir a tiempo y mejorar la calidad de vida de los pacientes. En los últimos cinco años, el campo del diagnóstico ha experimentado avances significativos gracias al desarrollo de nuevas técnicas de neuroimagen, biomarcadores en fluidos biológicos, y el uso creciente de la inteligencia artificial para el análisis de datos clínicos y de imagen. Esta revisión bibliográfica analiza la evidencia científica más reciente sobre estos avances, destacando las herramientas y metodologías que han demostrado mayor precisión y aplicabilidad en la práctica clínica. También se discuten las limitaciones actuales y las perspectivas futuras para optimizar la detección temprana del Alzheimer.
Palabras clave
Alzheimer, diagnóstico temprano, neuroimagen, biomarcadores, inteligencia artificial, demencia.
Abstract
Alzheimer’s disease is a progressive neurodegenerative disorder and the leading cause of dementia worldwide. Early diagnosis is essential to implement timely interventions and improve patient outcomes. Over the past five years, significant progress has been made in diagnostic methods through advances in neuroimaging techniques, fluid biomarkers, and the application of artificial intelligence in clinical and imaging data analysis. This literature review summarizes the most recent scientific evidence on these developments, highlighting the tools and methodologies with the greatest accuracy and clinical applicability. Limitations and future directions to enhance early detection of Alzheimer’s disease are also discussed.
Keywords
Alzheimer’s disease, early diagnosis, neuroimaging, biomarkers, artificial intelligence, dementia.
1. Introducción
La enfermedad de Alzheimer (EA) se caracteriza por un deterioro progresivo de las funciones cognitivas y es la causa más común de demencia en la población adulta mayor. Su diagnóstico tradicionalmente se ha basado en criterios clínicos y neuropsicológicos, con confirmación post mortem mediante hallazgos neuropatológicos. Sin embargo, el reconocimiento temprano de la enfermedad es un desafío clínico fundamental, pues las intervenciones terapéuticas resultan más efectivas en etapas iniciales. En los últimos cinco años, se han desarrollado nuevas tecnologías diagnósticas y metodologías para detectar la EA antes del inicio de síntomas evidentes, lo que ha abierto un nuevo horizonte en la gestión de la enfermedad.
Neuroimagen en el diagnóstico temprano
Las técnicas de neuroimagen han sido un pilar fundamental en el diagnóstico de la EA. En este período, la resonancia magnética (RM) y la tomografía por emisión de positrones (PET) han sufrido avances notables.
Resonancia Magnética (RM):
El análisis estructural mediante RM permite evaluar la atrofia cerebral característica, principalmente en el hipocampo y cortezas temporales. Estudios recientes han optimizado técnicas como la RM de alta resolución y los análisis volumétricos automatizados, mejorando la detección de sutiles cambios neuroanatómicos en estadios preclínicos (1,2).
Tomografía por Emisión de Positrones (PET):
La PET con marcadores específicos ha evolucionado con nuevos trazadores que detectan depósitos de beta-amiloide y tau, proteínas clave en la fisiopatología del Alzheimer. Estos avances permiten no solo confirmar la presencia de estas proteínas, sino también cuantificar su carga, lo que correlaciona con la progresión clínica (3,4).
Además, la integración de técnicas multimodales, combinando RM funcional con PET, ha demostrado mayor precisión diagnóstica que cada técnica por separado (5).
Biomarcadores en fluidos biológicos
La identificación de biomarcadores en fluidos como líquido cefalorraquídeo (LCR) y sangre ha revolucionado la práctica clínica por su carácter menos invasivo y su potencial para el diagnóstico temprano.
Líquido cefalorraquídeo:
Los niveles de beta-amiloide 42 (Aβ42), proteína tau total (t-tau) y tau fosforilada (p-tau) en LCR han mostrado una alta sensibilidad y especificidad para diferenciar EA de otros tipos de demencia. Durante los últimos años, se han estandarizado protocolos de obtención y análisis para mejorar la reproducibilidad (6).
Biomarcadores en sangre:
La búsqueda de biomarcadores sanguíneos es un área en rápida expansión, con resultados prometedores en la medición de Aβ42/Aβ40, tau y neurofilamento ligero (NfL). Estos avances podrían facilitar el cribado poblacional y la monitorización de la enfermedad de manera menos invasiva (7,8).
Aplicación de la inteligencia artificial (IA)
La inteligencia artificial ha comenzado a transformar el diagnóstico temprano del Alzheimer al permitir el análisis complejo de grandes volúmenes de datos clínicos, neuropsicológicos, de neuroimagen y biomarcadores.
Algoritmos de aprendizaje automático:
Estos sistemas han sido entrenados para identificar patrones sutiles que escapan al ojo humano, aumentando la precisión diagnóstica y la predicción de la progresión de la enfermedad (9).
Modelos predictivos:
La combinación de datos multimodales en modelos de IA ha permitido clasificar a pacientes en estadios preclínicos o con deterioro cognitivo leve, optimizando el enfoque terapéutico (10).
Aunque los resultados son alentadores, la implementación clínica generalizada todavía enfrenta desafíos relacionados con la estandarización de datos y la interpretación de modelos complejos.
Limitaciones y desafíos actuales
A pesar de los avances, existen limitaciones importantes:
Costos y accesibilidad:
Técnicas como la PET son costosas y no están disponibles en todos los centros de salud.
Invasividad:
La obtención de LCR es un procedimiento invasivo, limitando su uso rutinario.
Variabilidad en biomarcadores:
La heterogeneidad biológica de la EA dificulta la estandarización de biomarcadores sanguíneos.
Aspectos éticos y legales:
El diagnóstico precoz plantea interrogantes sobre el manejo de la información en ausencia de tratamientos curativos efectivos.
Perspectivas futuras
El futuro del diagnóstico temprano del Alzheimer probablemente combinará múltiples enfoques para mejorar la precisión y aplicabilidad clínica. La mejora en biomarcadores no invasivos, junto con la inteligencia artificial, abrirá la puerta a una detección más rápida, económica y accesible. Además, el desarrollo de terapias dirigidas requerirá una identificación temprana y fiable de la enfermedad para maximizar su eficacia.
2. Resultados
En los últimos cinco años, la literatura científica ha evidenciado un notable avance en las herramientas diagnósticas para el Alzheimer, especialmente en las áreas de neuroimagen, biomarcadores y análisis mediante inteligencia artificial.
Neuroimagen:
Los estudios han demostrado que las técnicas avanzadas de RM pueden detectar cambios volumétricos en el hipocampo y otras regiones cerebrales antes de la aparición de síntomas clínicos evidentes, lo cual ha mejorado la capacidad para identificar pacientes en estadios preclínicos o con deterioro cognitivo leve (11,12). Por su parte, la PET con nuevos trazadores específicos ha permitido no solo visualizar la acumulación de beta-amiloide y tau, sino también cuantificar su extensión y correlacionarla con el deterioro cognitivo (13,14). Los enfoques multimodales que combinan PET y RM muestran mayor sensibilidad y especificidad que cada técnica por separado (15).
Biomarcadores en fluidos:
En el LCR, la disminución de Aβ42 junto con el aumento de t-tau y p-tau se mantiene como un patrón diagnóstico consistente y reproducible (16). En sangre, aunque aún en fase de validación, se han logrado resultados prometedores con marcadores como el p-tau181 y el neurofilamento ligero, que podrían facilitar un diagnóstico más accesible y menos invasivo (17,18).
Inteligencia artificial:
Los algoritmos de aprendizaje automático aplicados a bases de datos clínicos y de neuroimagen han mostrado precisión diagnóstica superior a los métodos convencionales en la detección temprana del Alzheimer. Modelos recientes han logrado clasificar correctamente pacientes con deterioro cognitivo leve y predecir la progresión hacia la enfermedad con un alto valor predictivo (19,20).
3. Discusión
Los avances en el diagnóstico temprano del Alzheimer en los últimos cinco años reflejan un progreso sustancial que puede transformar el manejo clínico de esta enfermedad neurodegenerativa. La combinación de métodos tradicionales con nuevas tecnologías ha permitido detectar alteraciones biológicas y estructurales antes de la aparición de síntomas clínicos claros, lo que representa una oportunidad crucial para intervenir tempranamente.
La neuroimagen, particularmente la resonancia magnética y la tomografía por emisión de positrones, ha mejorado en resolución y especificidad, facilitando la identificación de patrones característicos del Alzheimer, como la atrofia selectiva del hipocampo y la acumulación cerebral de proteínas beta-amiloide y tau. Sin embargo, su aplicación se encuentra limitada por factores económicos y logísticos, ya que los costos elevados y la necesidad de equipamientos especializados dificultan su accesibilidad, especialmente en países con recursos limitados. Además, aunque la PET ofrece una información valiosa, su uso requiere la inyección de trazadores radiactivos, lo cual puede ser una barrera para algunos pacientes.
Por otro lado, los biomarcadores en fluidos, especialmente en líquido cefalorraquídeo, han demostrado gran utilidad diagnóstica, pero la naturaleza invasiva de la punción lumbar reduce su aplicabilidad en la práctica clínica cotidiana. Los esfuerzos recientes para validar biomarcadores sanguíneos prometen un método menos invasivo y más asequible para el cribado poblacional y la monitorización de la enfermedad, aunque estos requieren aún una estandarización y validación más amplia para garantizar su fiabilidad y reproducibilidad.
El papel emergente de la inteligencia artificial es particularmente interesante, dado que permite integrar y analizar grandes cantidades de datos clínicos, de neuroimagen y biomarcadores, detectando patrones que no son evidentes para el análisis humano. Los modelos de aprendizaje automático no solo mejoran la precisión diagnóstica, sino que también pueden predecir la evolución de la enfermedad, lo que es fundamental para personalizar el manejo del paciente. Sin embargo, la adopción clínica de estas herramientas enfrenta retos importantes, como la necesidad de bases de datos representativas y estandarizadas, la transparencia en la interpretación de los algoritmos y la aceptación por parte de los profesionales sanitarios y pacientes.
Finalmente, el diagnóstico precoz del Alzheimer implica consideraciones éticas que no deben pasarse por alto. La identificación de la enfermedad en fases asintomáticas plantea preguntas sobre el impacto psicológico en el paciente y su familia, el manejo de la información y la responsabilidad sobre las decisiones clínicas, especialmente en ausencia de tratamientos curativos efectivos. Por tanto, es esencial que los avances tecnológicos vayan acompañados de políticas claras y un enfoque centrado en el paciente que respete la autonomía y los derechos de las personas diagnosticadas.
En síntesis, aunque los avances recientes son prometedores, la implementación práctica en la atención clínica diaria requiere superar barreras técnicas, económicas, éticas y sociales. El futuro diagnóstico temprano del Alzheimer dependerá del desarrollo de herramientas accesibles, integradas y validadas, que permitan no solo detectar la enfermedad, sino también ofrecer a los pacientes la posibilidad de recibir tratamientos y cuidados adecuados en etapas donde puedan marcar una diferencia real.
4. Conclusión
En resumen, los últimos cinco años han sido testigos de un progreso notable en el diagnóstico temprano de la enfermedad de Alzheimer. Las innovaciones en neuroimagen, la identificación de biomarcadores tanto en líquido cefalorraquídeo como en sangre, y la incorporación de la inteligencia artificial en el análisis de datos representan un cambio paradigmático en la forma de abordar esta enfermedad.
Estas herramientas ofrecen la posibilidad de detectar alteraciones biológicas y estructurales en etapas preclínicas, antes de que se manifiesten los síntomas clínicos evidentes, lo cual es fundamental para mejorar el pronóstico y la calidad de vida de los pacientes. Sin embargo, a pesar del potencial mostrado, es necesario avanzar en la estandarización, validación y accesibilidad de estas tecnologías para que puedan ser aplicadas de manera efectiva y equitativa en entornos clínicos diversos.
Asimismo, se deben considerar los aspectos éticos relacionados con el diagnóstico precoz, garantizando que la información se maneje con sensibilidad y se tomen en cuenta las implicaciones psicológicas para los pacientes y sus familias. La educación y el apoyo adecuados serán clave para que estos avances se traduzcan en beneficios reales.
Por último, el éxito en el diagnóstico temprano del Alzheimer requerirá un enfoque multidisciplinario que combine herramientas diagnósticas complementarias, recursos tecnológicos innovadores y un compromiso ético firme. Solo así se podrá avanzar hacia un modelo de atención más proactivo, centrado en la prevención y el manejo personalizado de esta enfermedad compleja y creciente a nivel global.
5. Bibliografía
1. Jack CR Jr, Bennett DA, Blennow K, et al. NIA-AA Research Framework: Toward a biological definition of Alzheimer’s disease. Alzheimers Dement. 2018 Apr;14(4):535-562.
2. Ferreira D, Verhagen C, Hernández-Cabrera JA, et al. Cognitive decline is related to structural brain changes in the entorhinal cortex in aging and early Alzheimer disease. Hum Brain Mapp. 2020 Mar;41(5):1417-1433.
3. Villemagne VL, Dore V, Burnham S, et al. Imaging tau and amyloid-β proteinopathies in Alzheimer disease and other conditions. Nat Rev Neurol. 2018 Apr;14(4):225-236.
4. Ossenkoppele R, Schonhaut DR, Schöll M, et al. Tau PET patterns mirror clinical and neuroanatomical variability in Alzheimer’s disease. Brain. 2016 Nov;139(Pt 5):1551-1567.
5. Jack CR Jr, Wiste HJ, Weigand SD, et al. Defining imaging biomarker cut points for brain aging and Alzheimer’s disease. Alzheimers Dement. 2017 Mar;13(3):205-216.
6. Blennow K, Zetterberg H. Biomarkers for Alzheimer’s disease: current status and prospects for the future. J Intern Med. 2018 Jan;284(6):643-663.
7. Janelidze S, Mattsson N, Palmqvist S, et al. Plasma P-tau181 in Alzheimer’s disease: relationship to other biomarkers, differential diagnosis, neuropathology and longitudinal progression to Alzheimer’s dementia. Nat Med. 2020 Mar;26(3):379-386.
8. Ashton NJ, Janelidze S, Al Khleifat A, et al. A multicenter validation study of the diagnostic value of plasma neurofilament light. Nat Commun. 2021 Jan;12(1):3400.
9. Basaia S, Agosta F, Wagner L, et al. Automated classification of Alzheimer’s disease and mild cognitive impairment using a single MRI and deep neural networks. NeuroImage Clin. 2019;21:101645.
10. Ding Y, Sohn JH, Kawczynski MG, et al. A deep learning model to predict a diagnosis of Alzheimer’s disease by using 18F-FDG PET of the brain. Radiology. 2019 Jan;290(2):456-464.
Declaración de buenas prácticas: Los autores de este manuscrito declaran que:
Todos ellos han participado en su elaboración y no tienen conflictos de intereses
La investigación se ha realizado siguiendo las Pautas éticas internacionales para la investigación relacionada con la salud con seres humanos elaboradas por el Consejo de Organizaciones Internacionales de las Ciencias Médicas (CIOMS) en colaboración con la Organización Mundial de la Salud (OMS).
El manuscrito es original y no contiene plagio.
El manuscrito no ha sido publicado en ningún medio y no está en proceso de revisión en otra revista.
Han obtenido los permisos necesarios para las imágenes y gráficos utilizados.
Han preservado las identidades de los pacientes.