COMUNICACIÓN ORAL | 21 noviembre 2018, miércoles | Hora: 17:30
AUTORES
Matias-Guiu Antem, Jordi 1; Díaz Álvarez, Josefa 2; Ayala Rodrigo, Jose Luis 3; Risco Martín, Jose Luis 3; Moreno Ramos, Teresa 1; Pytel , Vanesa 1; Matías-Guiu Guía, Jorge 1; Carreras Delgado, Jose Luis 4; Cabrera Martín, Maria Nieves 4
CENTROS
1. Servicio de Neurología. Hospital Clínico San Carlos; 2. Departamento de Arquitectura de Computadores y Comunicaciones. Centro Universitario de Mérida. Universidad de Extremadura; 3. Departamento de Arquitectura Computacional. Universidad Complutense; 4. Servicio: Medicina Nuclear. Hospital Clínico San Carlos
OBJETIVOS
La afasia progresiva primaria (APP) es un síndrome clínico caracterizado por la neurodegeneración de las regiones y redes neuronales involucradas en el lenguaje. Se han reconocido tres tipos principales (no fluente, semántica y logopénica), pero la aplicabilidad y la capacidad de esta clasificación de predecir la patología subyacente es controvertida. Nuestro objetivo fue analizar los datos de PET-FDG de una cohorte grande de pacientes con APP para clusterizar los pacientes con APP en diferentes subtipos teniendo en cuenta el metabolismo cerebral.
MATERIAL Y MÉTODOS
Se incluyeron 122 estudios de PET-FDG de pacientes con APP y 28 controles. Se aplicó un algoritmo no supervisado. Se realizó asimismo un análisis basado en vóxels para evaluar los patrones de hipometabolismo de cada cluster identificado.
RESULTADOS
El análisis de clusterización confirmó la existencia de las tres variantes reconocidas actualmente, pero el número óptimo de clusters de acuerdo al índice de Davies-Bouldin fue 6 subtipos de APP. Esta clasificación fue consecuencia de dividir la variante no fluente en 3 subtipos, y la logopénica en 2. Los análisis basados en vóxels demostraron diferentes patrones de hipometabolismo de cada grupo. Los nuevos subtipos mostraron un curso clínico diferente y fueron predictores de los resultados de la imagen PET amiloide.
CONCLUSIONES
Nuestro estudio encontró más subtipos de APP que los reconocidos actualmente. Los nuevos subtipos fueron más predictores de la evolución y mostraron diferentes patrones de neuroimagen. Esto apoya la utilidad de la PET-FDG en la APP, así como de los análisis computacionales para mejorar la clasificación de las enfermedades neurodegenerativas.
