{"id":140924,"date":"2024-10-14T10:33:08","date_gmt":"2024-10-14T10:33:08","guid":{"rendered":"https:\/\/blog.cognifit.com\/?p=140924"},"modified":"2025-07-18T14:45:55","modified_gmt":"2025-07-18T14:45:55","slug":"un-nuevo-modelo-predice-la-edad-cerebral-de-los-bebes","status":"publish","type":"post","link":"https:\/\/blog.cognifit.com\/es\/un-nuevo-modelo-predice-la-edad-cerebral-de-los-bebes\/","title":{"rendered":"Transformando el diagn\u00f3stico precoz: Un nuevo modelo predice la edad cerebral de los beb\u00e9s"},"content":{"rendered":"\n

Un nuevo estudio presenta un modelo de predicci\u00f3n de la edad cerebral para ni\u00f1os menores de tres a\u00f1os. Aprovechando datos de resonancia magn\u00e9tica y aprendizaje profundo, los investigadores han desarrollado un modelo capaz de detectar retrasos tempranos en el desarrollo del cerebro. Este avance ofrece un potencial significativo para diagnosticar afecciones como el autismo y el TDAH antes que nunca.<\/em><\/p>\n\n\n\n

\"Un
Un nuevo modelo de predicci\u00f3n de la edad cerebral en ni\u00f1os menores de tres a\u00f1os mejora la detecci\u00f3n precoz de problemas de desarrollo. Imagen de Shutterstock.<\/em><\/figcaption><\/figure>\n\n\n\n

Nota:<\/strong>\u00a0Este art\u00edculo tiene fines informativos y educativos. Resume investigaciones cient\u00edficas en un lenguaje accesible para un p\u00fablico amplio y no es un comunicado de prensa cient\u00edfico oficial.<\/em><\/p>\n\n\n\n

Dentro del laboratorio: Desvelando los avanzados m\u00e9todos de predicci\u00f3n de la edad cerebral pedi\u00e1trica<\/h2>\n\n\n\n

Publicado en Brain Structure and Function<\/em>, el estudio se centra en la importancia de los modelos de edad cerebral espec\u00edficos para ni\u00f1os. El grupo de edad m\u00e1s joven, el de los ni\u00f1os menores de tres a\u00f1os, se hab\u00eda pasado por alto hasta ahora. La mayor\u00eda de los modelos existentes est\u00e1n dise\u00f1ados para adultos o utilizan rangos de edad amplios, lo que da lugar a predicciones inexactas para beb\u00e9s y ni\u00f1os peque\u00f1os.<\/p>\n\n\n\n

Los investigadores recopilaron im\u00e1genes de resonancia magn\u00e9tica ponderadas en T1 de 658 ni\u00f1os sanos de entre 0 y 3 a\u00f1os. Desarrollaron una red residual profunda, un tipo de algoritmo de aprendizaje profundo. Este algoritmo fue entrenado para predecir la edad cerebral utilizando un preprocesamiento de datos m\u00ednimo, lo que lo hace \u00fanico. A diferencia de modelos anteriores, funciona directamente con datos de IRM 3D sin procesar, lo que mejora tanto la velocidad como la precisi\u00f3n.<\/p>\n\n\n\n

El equipo tambi\u00e9n aplic\u00f3 su modelo a ni\u00f1os con problemas de salud como bajo peso al nacer, prematuridad, trastorno del espectro autista (TEA) y trastorno por d\u00e9ficit de atenci\u00f3n con hiperactividad<\/a> (TDAH). Estas aplicaciones permitieron profundizar en el modo en que los problemas de salud en las primeras etapas de la vida afectan al desarrollo cerebral.<\/p>\n\n\n\n

C\u00f3mo se apoya este estudio en los descubrimientos neurol\u00f3gicos anteriores<\/h2>\n\n\n\n

Los modelos anteriores se centraban principalmente en adultos. Muchos estudios utilizaron el aprendizaje profundo para la predicci\u00f3n de la edad cerebral. Sin embargo, se centraban en poblaciones adultas o grupos de edad m\u00e1s amplios, lo que los hac\u00eda menos eficaces para los beb\u00e9s. Los cerebros de los ni\u00f1os peque\u00f1os se desarrollan r\u00e1pidamente, y los modelos generalizados no captan estos cambios con precisi\u00f3n.<\/p>\n\n\n\n

Aunque algunas investigaciones intentaron centrarse en ni\u00f1os m\u00e1s peque\u00f1os, esos estudios sol\u00edan tener muestras de peque\u00f1o tama\u00f1o. Tambi\u00e9n requer\u00edan un amplio preprocesamiento de la IRM, lo que limitaba su aplicaci\u00f3n pr\u00e1ctica. Adem\u00e1s, las plantillas cerebrales utilizadas en estudios de RM anteriores sol\u00edan basarse en datos de adultos, lo que las hac\u00eda menos fiables para los ni\u00f1os peque\u00f1os.<\/p>\n\n\n\n

El estudio actual supera muchas de estas limitaciones. Al centrarse exclusivamente en ni\u00f1os menores de tres a\u00f1os y utilizar datos brutos de resonancia magn\u00e9tica, los investigadores han creado una herramienta que podr\u00eda revolucionar la atenci\u00f3n neurol\u00f3gica pedi\u00e1trica.<\/p>\n\n\n\n

Lo que dicen los datos sobre el cerebro infantil<\/h2>\n\n\n\n

Este estudio condujo a varios descubrimientos importantes:<\/p>\n\n\n\n

    \n
  1. Caracter\u00edsticas del desarrollo cerebral: <\/strong>El estudio subraya que la edad cerebral no siempre se corresponde con la edad biol\u00f3gica del ni\u00f1o.<\/li>\n\n\n\n
  2. Predicci\u00f3n precisa de la edad cerebral: <\/strong>El modelo de aprendizaje profundo logr\u00f3 una correlaci\u00f3n del 91 % entre la edad cerebral predicha y la edad cronol\u00f3gica real. Esta alta precisi\u00f3n es crucial para identificar retrasos sutiles en el desarrollo del cerebro.<\/li>\n\n\n\n
  3. Preprocesamiento de datos m\u00ednimo:<\/strong> A diferencia de los modelos anteriores, que requer\u00edan una limpieza exhaustiva de los datos, este modelo trabaja directamente con datos de IRM 3D sin procesar. Esto acelera el proceso y reduce los errores derivados del preprocesamiento.<\/li>\n\n\n\n
  4. Impacto del bajo peso al nacer: <\/strong>Los ni\u00f1os nacidos con un peso extremadamente bajo (menos de 1.000 gramos) mostraron un retraso en el desarrollo cerebral. Este hallazgo sugiere que estos ni\u00f1os podr\u00edan experimentar problemas cognitivos y neurol\u00f3gicos a largo plazo.<\/li>\n\n\n\n
  5. TDAH y envejecimiento cerebral acelerado: <\/strong>El estudio descubri\u00f3 que los ni\u00f1os con TDAH muestran signos de envejecimiento cerebral acelerado. Se trata de un dato clave, que sugiere que el TDAH puede tener ra\u00edces en el desarrollo temprano del cerebro.<\/li>\n\n\n\n
  6. Autismo y edad cerebral: <\/strong>Curiosamente, el estudio no encontr\u00f3 una diferencia significativa en las predicciones de la edad cerebral entre los ni\u00f1os con autismo y los controles sanos. No obstante, los investigadores advierten de que es necesario realizar m\u00e1s estudios.<\/li>\n\n\n\n
  7. Nacimiento prematuro y desarrollo cerebral: <\/strong>Los ni\u00f1os prematuros mostraron signos de envejecimiento cerebral acelerado en comparaci\u00f3n con los beb\u00e9s nacidos a t\u00e9rmino. Esto sugiere que algunos aspectos del desarrollo cerebral pueden progresar m\u00e1s r\u00e1pidamente en los ni\u00f1os nacidos prematuramente.<\/li>\n\n\n\n
  8. Crecimiento de la materia blanca: <\/strong>Los investigadores descubrieron que la materia blanca, que crece m\u00e1s r\u00e1pido que la materia gris en la primera infancia, desempe\u00f1a un papel crucial en la predicci\u00f3n de la edad cerebral. Este hallazgo podr\u00eda orientar futuras investigaciones hacia el estudio de la importancia de la materia blanca en el desarrollo cerebral.<\/li>\n<\/ol>\n\n\n\n

    Implicaciones futuras para la sanidad<\/h2>\n\n\n\n

    Este modelo de predicci\u00f3n de la edad cerebral espec\u00edfica del ni\u00f1o tiene un inmenso potencial para mejorar el diagn\u00f3stico precoz de los retrasos del desarrollo. Los primeros a\u00f1os del desarrollo cerebral son cruciales, ya que diversas partes del cerebro, como el c\u00f3rtex prefrontal y el hipocampo, desempe\u00f1an un papel decisivo en estas funciones cognitivas. La detecci\u00f3n precoz de los retrasos puede dar lugar a intervenciones m\u00e1s eficaces y mejores resultados. Con este modelo, los profesionales sanitarios podr\u00edan detectar trastornos como el TDAH o retrasos en el desarrollo en una fase mucho m\u00e1s temprana, lo que facilitar\u00eda un apoyo y unos recursos oportunos que podr\u00edan mejorar considerablemente la trayectoria evolutiva del ni\u00f1o.<\/p>\n\n\n\n

    El modelo tambi\u00e9n ofrece nuevas posibilidades para seguir el desarrollo cerebral de ni\u00f1os nacidos con problemas de salud como bajo peso al nacer o prematuridad. Los m\u00e9dicos pueden utilizar las predicciones de la edad cerebral como referencia para saber si estos ni\u00f1os se desarrollan con normalidad o necesitan cuidados adicionales.<\/p>\n\n\n\n

    Un elemento decisivo para el diagn\u00f3stico precoz<\/h2>\n\n\n\n

    Desde un punto de vista cient\u00edfico, esta investigaci\u00f3n supone un gran avance en la comprensi\u00f3n del desarrollo temprano del cerebro. Al utilizar el aprendizaje profundo con datos brutos de resonancia magn\u00e9tica, el estudio establece un nuevo est\u00e1ndar para la neuroimagen. Sus aplicaciones potenciales son de gran alcance. Aunque el estudio actual se centra en beb\u00e9s y ni\u00f1os peque\u00f1os, esta metodolog\u00eda podr\u00eda adaptarse a ni\u00f1os mayores y adultos.<\/p>\n\n\n\n

    El estudio tambi\u00e9n destaca la importancia de la sustancia blanca en el desarrollo cerebral de la primera infancia<\/a>. Comprender el papel de la sustancia blanca en el envejecimiento cerebral podr\u00eda conducir a nuevos enfoques en el tratamiento de los trastornos del desarrollo.<\/p>\n\n\n\n

    \n