Predictibilidad del Deterioro Cognitivo en el Envejecimiento: Función de “Binding” y Máquinas de Aprendizaje.

Abstract

El deterioro cognitivo leve (DCL) es considerado como el estado pródromo del desorden neurocognitivo mayor (DNM) en el envejecimiento. En esta tesis doctoral, se estudia la predictibilidad de la conversión a DCL y la efectividad de la medición de la función del binding en la predicción de dicha conversión. Existe un consenso en la literatura acerca de un déficit selectivo en tareas de función de binding por parte de sujetos con enfermedad de Alzheimer (EA). Evidencia reciente (Parra et al. 2019) sugiere que, la evaluación de la función binding tiene el potencial para diferenciar el DCL de la cognición saludable en envejecimiento. Sin embargo, aún no se cuenta con evidencia suficiente debido parcialmente a: (i) la escasa disponibilidad de mediciones de la función de binding en sujetos con DCL (ii) la ausencia de estudios que incluyan la evaluación longitudinal de la función binding y (iii) el anailsis imitado de datos que no permite comparar su efectividad con otras pruebas neuropsicológicas. Para abordar este problema, en esta tesis se evaluó una muestra de 132 sujetos a lo largo de dos años en un protocolo neuropsicológico multidominio. Se utilizaron, además, técnicas computacionales y de aprendizaje automático para su análisis, proponiéndose un modelo clasificatorio y predictivo. Este modelo, aporta datos novedosos de la efectividad longitudinal de la medición del binding. Se presenta un modelo clasificatorio que permite validar la efectividad de la medición longiudinal del binding para discriminar la cognición saludable del DCL en envejecimiento. Además, se presenta un modelo predictivo basado en los datos recolectados e implementado en una Máquina de Potenciación de Gradiente logrando obteniendo un 75% de efectividad la conversión a DCL. Los resultados del modelo indican que la función de binding tiene valor predictivo de la conversión a DCL, pero su valor es bajo comparado con otras medidas