COMUNICACIÓN ORAL | 22 noviembre 2019, viernes | Hora: 15:30
AUTORES
Matias-Guiu Antem, Jordi 1; Díaz Álvarez, Josefa 2; Cuetos Vega, Fernando 3; Cabrera Martín, Maria Nieves 4; null, Vanesa 1; Segovia Ríos, Ignacio 5; Moreno Ramos, Teresa 1; Carreras Delgado, Jose Luis 4; Ayala Rodrigo, Jose Luis 6; Matías-Guiu Guía, Jorge 1
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 Psicología. Universidad de Oviedo; 4. Servicio: Medicina Nuclear. Hospital Clínico San Carlos; 5. Departamento de Arquitectura de Computadores y Comunicaciones. Universidad Extremadura; 6. Departamento de Arquitectura Computacional. Universidad Complutense
OBJETIVOS
Introducción. La afasia progresiva primaria (APP) es un síndrome clínico neurodegenerativo con 3 variantes principales: no-fluente, semántica y logopénica. Sin embargo, existe controversia sobre la existencia de subtipos adicionales. Nuestro objetivo evaluar la alteraciones lingüísticas y cognitivas asociadas a una nueva propuesta de clasificación de la APP.
MATERIAL Y MÉTODOS
Métodos. 68 pacientes con APP en fases iniciales y 20 controles fueron evaluados mediante un protocolo exhaustivo cognitivo y lingüístico, así como PET con 18F-FDG. Los pacientes fueron clasificados mediante el metabolismo cerebral, utilizando un algoritmo previamente desarrollado basado en un análisis de clustering. Se encontraron 5 variantes. Se utilizaron técnicas de machine learning para predecir cada variante de acuerdo con la evaluación del lenguaje.
RESULTADOS
Resultados. La APP no fluente tipo 1 se asoció a peor rendimiento en repetición de frases y lectura de palabras irregulares que la no fluente tipo 2, que mostró mayores grados de apraxia del habla. Los pacientes con APP logopénica tipo 1 mostraron un peor rendimiento en fluencia de acciones. El estudio del lenguaje mostró una capacidad de predicción de los tipos basados en el metabolismo cerebral de 86-89% usando análisis de clustering y de componentes principales.
CONCLUSIONES
Conclusiones. Nuestro estudio apoya la existencia de 5 variantes de APP. Estas variantes muestran diferencias en lenguaje y metabolismo cerebral. Los algoritmos de machine learning utilizando los test de lenguaje fueron capaces de predecir los 5 tipos con una precisión elevada. Esto sugiere la utilidad de la aplicación de técnicas de machine learning a la evaluación neuropsicológica.
