Un análisis de sangre podría estimar cuándo aparecerán los síntomas de la enfermedad de alzhéimer con un margen de error de tres a cuatro años. Así lo sugiere un nuevo estudio, publicado en Nature Medicine, que aplica modelos matemáticos de «reloj biológico» basados en el biomarcador plasmático p-tau217, una medida que refleja la proporción de tau fosforilada en la posición 217 respecto a la no fosforilada, y que está estrechamente vinculada a la patología característica de la enfermedad de Alzheimer.
La posibilidad de predecir no solo si una persona desarrollará la enfermedad, sino también cuándo es más probable que comiencen los síntomas, constituye uno de los grandes retos de la investigación en alzhéimer. Hasta ahora, los modelos más prometedores para anticipar la aparición clínica se basaban en técnicas de neuroimagen como la tomografía por emisión de positrones (PET) de amiloide y tau, herramientas costosas y poco accesibles fuera de centros especializados. El nuevo trabajo plantea que un simple análisis de sangre podría ofrecer una alternativa más escalable.
Un «reloj» basado en p-tau217
Los investigadores utilizaron datos longitudinales de dos cohortes independientes para estimar la edad a la que los individuos alcanzan la «positividad» del biomarcador p-tau217 en plasma. A partir de ese punto, aplicaron modelos de reloj que permiten alinear las trayectorias individuales y estimar los años transcurridos hasta la aparición de síntomas clínicos.
El resultado principal es que la edad estimada de positividad de p-tau217 se asoció de forma significativa con la edad real de inicio de los síntomas de alzhéimer, con un error absoluto medio (MdAE) de entre 3,0 y 3,7 años. Es decir, a partir de una única determinación sanguínea, el modelo puede aproximar la aparición clínica con un margen de error considerado aceptable para estudios poblacionales y ensayos clínicos.
Aunque esta precisión no es suficiente para tomar decisiones clínicas individuales en la práctica actual, sí podría resultar valiosa en el contexto de investigación. Los autores subrayan que modelos con este nivel de exactitud permitirían optimizar la selección de participantes en ensayos clínicos, identificando a personas con alta probabilidad de desarrollar síntomas dentro del periodo de seguimiento del estudio.
Uno de los principales obstáculos en los ensayos dirigidos a fases preclínicas del alzhéimer es la incertidumbre sobre cuándo se manifestará el deterioro cognitivo. Reclutar participantes que no desarrollen síntomas durante el ensayo reduce la potencia estadística y obliga a prolongar los estudios.
En este sentido, los modelos basados en p-tau217 explicaron entre el 33,7% y el 59,9% de la variabilidad en la edad de inicio de los síntomas, una proporción comparable a la que se obtiene utilizando la edad parental de inicio en formas familiares autosómicas dominantes. Esta capacidad predictiva podría traducirse en ensayos más eficientes, con menor tamaño muestral o menor duración para demostrar eficacia terapéutica.
Además, los investigadores replicaron resultados similares utilizando otros formatos de biomarcadores sanguíneos, como el cociente p-tau217/Aβ42 y cuatro inmunoensayos diferentes de p-tau217 plasmático, lo que refuerza la robustez y generalización del enfoque.
El papel de la edad y las copatologías
Uno de los hallazgos más relevantes es que el intervalo entre la positividad de p-tau217 y la aparición de los síntomas fue notablemente más corto en personas de mayor edad. Es decir, dos individuos con niveles plasmáticos similares pueden tener riesgos muy distintos de desarrollar deterioro cognitivo en los siguientes tres a cinco años en función de su edad.
Este fenómeno podría explicarse por la mayor prevalencia de copatologías relacionadas con la edad —como enfermedad cerebrovascular u otras patologías neurodegenerativas— que interactúan con la patología amiloide y tau y aceleran la expresión clínica. El estudio sugiere que la relación entre niveles de p-tau217 y síntomas no es lineal y que los modelos de reloj, al traducir los valores de biomarcadores en estimaciones temporales individualizadas, pueden capturar mejor esta complejidad.
No obstante, los autores advierten que, aunque los modelos incorporan implícitamente procesos amiloides y tau —dada la fuerte correlación de p-tau217 con PET de amiloide y tau—, el futuro pasa por integrar biomarcadores adicionales, incluidos marcadores de patología vascular u otras proteínas, para mejorar la precisión.
Asimismo, los modelos se desarrollaron y validaron en dos cohortes con perfiles distintos: una cohorte monocéntrica más joven y con mayor proporción de portadores de APOE ε4, y otra cohorte multicéntrica de mayor edad y con más casos de deterioro cognitivo al inicio. A pesar de estas diferencias, los dos enfoques matemáticos empleados (TIRA y SILA) mostraron resultados alineados, lo que respalda la solidez conceptual del modelo de reloj.
Los autores señalan, sin embargo, que implementar múltiples aproximaciones y evaluar rigurosamente el ajuste del modelo puede ser útil, dado que se observaron pequeñas discrepancias —como estimaciones ligeramente más prolongadas con uno de los métodos en una de las cohortes—.
Limitaciones
El estudio reconoce limitaciones importantes. Los modelos solo pueden aplicarse con fiabilidad a valores de p-tau217 dentro de un rango específico (entre 1,06% y 10,45%), donde se observa un cambio consistente en el biomarcador. Valores muy altos o muy bajos permiten inferir riesgo elevado o bajo, respectivamente, pero no estimar con precisión los años hasta la aparición de síntomas.
Además, la muestra estuvo compuesta mayoritariamente por personas blancas no hispanas, lo que limita la generalización a otras poblaciones con diferentes perfiles de riesgo o copatologías. Tampoco se modelizó de forma explícita el abandono del estudio o la mortalidad, lo que podría introducir sesgos de supervivencia.
Desde el punto de vista clínico y ético, los autores son claros: las pruebas de biomarcadores en personas cognitivamente sanas no se recomiendan fuera de estudios de investigación o ensayos clínicos. Con un error de tres a cuatro años, el modelo no debería utilizarse para estimaciones individuales en la práctica habitual.
Pese a estas cautelas, el trabajo representa un paso relevante hacia la estratificación temporal del riesgo en la enfermedad de Alzheimer. Si futuros refinamientos reducen el margen de error y combinan múltiples biomarcadores, estos modelos podrían no solo acelerar el desarrollo de terapias modificadoras de la enfermedad, sino también abrir el debate sobre su eventual uso clínico.
Por ahora, el hallazgo central es que un único análisis de sangre —basado en p-tau217— puede ofrecer una estimación razonable del tiempo hasta la aparición de los síntomas de alzhéimer. En un campo donde la intervención precoz es clave, disponer de un “reloj biológico” accesible y escalable podría marcar una diferencia sustancial en el diseño de los ensayos y, a largo plazo, en la prevención personalizada de la demencia.
