Biomarcadores asequibles de demencia frontotemporal: un estudio de clasificación basado en la conectividad de redes cerebrales

Developing effective and affordable biomarkers for dementias is critical given the difficulty to achieve early diagnosis. In this sense, electroencephalographic (EEG) methods offer promising alternatives due to their low cost, portability, and growing robustness. Here, we relied on EEG signals and a novel information-sharing method to study resting-state connectivity in patients with behavioral variant frontotemporal dementia (bvFTD) and controls. To evaluate the specificity of our results, we also tested Alzheimer’s disease (AD) patients. The classification power of the ensuing connectivity patterns was evaluated through a supervised classification algorithm (support vector machine). In addition, we compared the classification power yielded by (i) functional connectivity, (ii) relevant neuropsychological tests, and (iii) a combination of both. BvFTD patients exhibited a specific pattern of hypoconnectivity in mid-range frontotemporal links, which showed no alterations in AD patients. These functional connectivity alterations in bvFTD were replicated with a low-density EEG setting (20 electrodes). Moreover, while neuropsychological tests yielded acceptable discrimination between bvFTD and controls, the addition of connectivity results improved classification power. Finally, classification between bvFTD and AD patients was better when based on connectivity than on neuropsychological measures. Taken together, such findings underscore the relevance of EEG measures as potential biomarker signatures for clinical settings. El desarrollo de biomarcadores de demencias efectivos y asequibles resulta esencial dada la dificultad de realizar un diagnóstico temprano de estas patologías. En este sentido, los métodos de electroencefalografía (EEG) brindan alternativas promisorias por su bajo costo, portabilidad y creciente robustez. En este trabajo, nos basamos en señales de EEG y en un novedoso método de intercambio de información para estudiar la conectividad en estado de reposo en pacientes afectados por la variante conductual de la demencia frontotemporal (vcDFT) y en un grupo control. Para evaluar la especificidad de los resultados obtenidos, también examinamos pacientes que padecen la enfermedad de Alzheimer (EA). El poder de clasificación de los patrones de conectividad resultantes se evaluó mediante un algoritmo de clasificación supervisada (máquina de soporte vectorial). Además, comparamos el poder de clasificación obtenido mediante (i) la conectividad funcional