Ricerche

Ricercatori della Brown University hanno identificato l'attività elettrica nel cervello che potrebbe predire la progressione verso l'Alzheimer.

Usando uno strumento costruito appositamente per analizzare l'attività elettrica dei neuroni, i ricercatori della Brown University di Providence (Rhode Island/USA) hanno identificato un biomarcatore nel cervello che potrebbe prevedere se un lieve deterioramento cognitivo (MCI, mild cognitive impairment) diventerà morbo di Alzheimer (MA).

"Abbiamo rilevato uno schema nei segnali elettrici dell'attività cerebrale che prevede quali pazienti hanno maggiori probabilità di sviluppare la malattia entro due anni e mezzo", ha affermato Stephanie Jones, prof.ssa di neuroscienze affiliata al Carney Institute for Brain Science della Brown, coautrice senior della ricerca pubblicata su Imaging Neuroscience. "Essere in grado di osservare in modo non invasivo un nuovo marcatore precoce della progressione del morbo di Alzheimer (MA) nel cervello per la prima volta è un passo molto entusiasmante".

Lavorando con colleghi dell’Università Complutense di Madrid in Spagna, il gruppo di ricerca ha analizzato le registrazioni dell’attività cerebrale di 85 pazienti con diagnosi di lieve deterioramento cognitivo e ha monitorato il progresso della malattia negli anni successivi. Le registrazioni sono state effettuate con la magnetoencefalografia (MEG, una tecnica non invasiva per registrare l’attività elettrica nel cervello), mentre i pazienti erano in uno stato di riposo con gli occhi chiusi.

La maggior parte dei metodi per studiare le registrazioni MEG comprimono e calcolano la media dell'attività rilevata, rendendone difficile l'interpretazione a livello neuronale. La Jones e altri ricercatori della Brown hanno aperto la strada a uno strumento computazionale, chiamato Spectral Events Toolbox, che rivela l'attività neuronale come eventi discreti (=distinti, separati), mostrando esattamente quando e quanto spesso si verifica l'attività, quanto dura e quanto è forte o debole. Lo strumento è poi stato ampiamente utilizzato e citato in più di 300 studi accademici.

Con lo Spectral Events Toolbox, il team ha esaminato gli eventi dell'attività cerebrale in pazienti con lieve deterioramento cognitivo, che si verificano nella banda di frequenza beta, una frequenza che è stata implicata nell'elaborazione della memoria, rendendone importante lo studio sul MA, secondo la Jones. Ha scoperto differenze distinte negli eventi beta dei partecipanti che hanno sviluppato il MA entro due anni e mezzo, rispetto a quelli che non l’hanno sviluppato.

"Due anni e mezzo prima della diagnosi di MA, i pazienti producevano eventi beta a un ritmo inferiore, di durata più breve e con una potenza più debole", ha affermato Danylyna Shpakivska, la prima autrice dello studio che opera a Madrid. "Per quanto ne sappiamo, questa è la prima volta che gli scienziati esaminano gli eventi beta in relazione al MA".

I biomarcatori del liquido spinale e del sangue possono identificare la presenza di placche tossiche di amiloide-beta e grovigli di tau, proteine ​​che si accumulano nel cervello e si ritiene contribuiscano ai sintomi del MA. Un biomarcatore dell’attività cerebrale stessa rappresenta un metodo più diretto per valutare come i neuroni rispondono a questa tossicità, ha affermato David Zhou, ricercatore post-dottorato nel laboratorio della Jones alla Brown che guiderà la fase successiva del progetto.

La Jones prevede che lo Spectral Events Toolbox potrà essere usato dai medici per diagnosticare il MA prima che progredisca:

"Il segnale che abbiamo scoperto può aiutare la diagnosi precoce. Una volta replicata la nostra scoperta, i medici potrebbero usare i nostro strumento per la diagnosi precoce e anche per verificare se i loro interventi funzionano”.

Nel frattempo, la Jones e il suo team entreranno in una nuova fase di ricerca:

"Ora che abbiamo scoperto le caratteristiche degli eventi beta che predicono la progressione del MA, il prossimo passo è studiare i meccanismi di generazione usando strumenti di modellazione neurale computazionale. Se riusciamo a ricreare ciò che non va nel cervello per generare quel segnale, allora possiamo lavorare con i nostri collaboratori per testare terapie che potrebbero correggere il problema”.