ANÁLISIS DE LA ROBUSTEZ ESTADÍSTICA Y EL VALOR PREDICTIVO DE LOS MAPAS DE CONECTIVIDAD SOPORTE AL DIAGNÓSTICO CLÍNICO FUNCIONAL PARA EL TEMPRANO

Introducción: La enfermedad de Alzheimer constituye uno de los principales desafíos de salud pública a nivel mundial, con más de 55 millones de personas afectadas por demencia. La detección temprana resulta crítica para mejorar los resultados clínicos, sin embargo, los métodos diagnósticos convencionales presentan limitaciones importantes en estadios iniciales.. Objetivos: Evaluar la robustez estadística de los mapas de conectividad funcional cerebral derivados de rs-fMRI y determinar su valor predictivo para el soporte al diagnóstico clínico temprano de la enfermedad de Alzheimer, comparando individuos con diagnóstico confirmado, deterioro cognitivo leve amnésico y controles cognitivamente sanos. Metodología: Se analizaron datos de 180 participantes provenientes de la base ADNI-3, distribuidos en tres grupos iguales. Las imágenes rs-fMRI fueron preprocesadas con fMRIPrep y la conectividad funcional fue estimada mediante correlación de Pearson sobre 200 regiones cerebrales definidas por el atlas de Schaefer. La robustez estadística se evaluó mediante bootstrap, reproducibilidad test-retest e análisis de sensibilidad paramétrica. Resultados: El 83.4% de las conexiones funcionales evaluadas presentaron estabilidad estadística adecuada (CV < 20%). Los modelos de clasificación alcanzaron un AUC-ROC de 0.94 (CNN) y 0.91 (SVM) para la distinción Alzheimer vs. control, y de 0.83 y 0.78 respectivamente para la detección del deterioro cognitivo leve. Conclusión: Los mapas de conectividad funcional cerebral poseen robustez estadística suficiente y valor predictivo clínicamente relevante para apoyar el diagnóstico temprano del Alzheimer.