Conectividad funcional en estado de reposo en pacientes con diabetes tipo 1

Abstract

La diabetes tipo 1 (DT1) es una condición autoinmune que afecta el metabolismo de manera significativa, principalmente cuando se presenta en edades tempranas. En los últimos años se ha documentado que esta enfermedad no solo repercute en el funcionamiento general del organismo, sino que también puede impactar sobre el desarrollo cognitivo y el funcionamiento cerebral. En especial, se ha observado que pacientes con DT1 pueden presentar diferencias en funciones como la memoria de trabajo o la atención en comparación a sujetos sanos. Este trabajo tiene como objetivo explorar posibles diferencias en la organización funcional del cerebro en estado de reposo, comparando a un grupo de jóvenes con DT1 con un grupo control sano. Se enfocó el análisis en dos redes cerebrales específicas: la red de modo por defecto (DMN) y la red de saliencia (SN), por su relevancia en procesos de autorregulación cognitiva y en la transición entre estados de reposo y atención. Para ello, se utilizaron secuencias de resonancia magnética funcional en estado de reposo (rfMRI) tomadas antes y después de que los participantes realizarán una tarea visuoespacial de memoria de trabajo. La base de datos incluyó estudios de sujetos entre 18 y 30 años, cuidadosamente emparejados en edad, sexo y escolaridad. Tras el preprocesamiento de las imágenes utilizando herramientas estandarizadas como fMRIPrep, se realizó la parcelación cerebral mediante el atlas AAL3 y se extrajeron las señales BOLD de las regiones de interés. A partir de estas series temporales se construyeron matrices de correlación funcional, que luego se transformaron en grafos para analizar su estructura utilizando métricas como grado, centralidad y coeficiente de agrupamiento. Estas métricas sirvieron tanto para describir diferencias funcionales entre los grupos como para ser empleadas en modelos de aprendizaje automático. Se usaron algoritmos de tipo Árbol de decisión y Random Forest, los cuales ayudaron a identificar combinaciones de métricas que permitieron separar a los participantes en función de su condición clínica. Más allá del rendimiento de los modelos, el análisis permitió observar cómo ciertas propiedades topológicas del cerebro, en particular dentro de la red DMN, mostraron diferencias en el grupo con DT1 que no fueron observados en métodos estadísticos clásicos. En conjunto, el estudio ofrece evidencia de que la DT1 podría estar asociada a diferencias sutiles pero importantes en la conectividad funcional cerebral. Además, la integración entre técnicas de neuroimagen, teoría de grafos y aprendizaje automático se presenta como una vía prometedora para estudiar las implicaciones neurológicas de enfermedades metabólicas como la DT1 desde un enfoque cuantitativo y clínicamente relevante.