El III Workshop Anual TecnATox, celebrat sota el lema “Cap a una salut integral: nutrició avançada, tecnologies emergents i sostenibilitat real”, va reunir investigadors, empreses, professionals i institucions del territori en un espai orientat a compartir coneixement, generar sinergies i impulsar noves oportunitats de col·laboració en l’àmbit de la innovació. Al llarg de la jornada es van tractar qüestions clau vinculades a la nutrició i la salut, l’aplicació de tecnologies emergents en els camps biomèdic i ambiental, i els reptes actuals relacionats amb la sostenibilitat i la influència del medi ambient en la salut de les persones.
En aquest marc, des de l’Àrea de Neuropsicologia i Emocions del grup LTSM, de la qual formen part la coordinadora de la Unitat de Recerca i Innovació de l’Institut Lerín, la Dra. Margarita Torrente Torné i el neuropsicòleg Cristian Cabrera Marchante, es van presentar els darrers resultats del treball centrat en l’envelliment i el deteriorament cognitiu.
La jornada va incloure una comunicació oral titulada “Patrons dels símptomes neuropsiquiàtrics en el contínuum de l’Alzheimer”. També es van presentar dos pòsters científics: “Discriminació d’olors i rendiment cognitiu en una mostra d’envelliment saludable, deteriorament cognitiu lleu i malaltia d’Alzheimer” i “Explorant l’ús del Machine Learning per a la detecció del deteriorament cognitiu amb variables sociodemogràfiques i d’estil de vida” ambdós vinculats al projecte DEM-DETECT liderat pel Dr. Luis Heredia de la URV, projecte en el qual els professionals de l’Institut Lerín abans anomenats som part de l’equip investigador.
Odor discrimination and cognitive performance across domains in a healthy aging, mild cognitive impairment, and Alzheimer’s disease sample
Júlia García, Palak Mahant, Nerea Carrión, Diana Ribes, Cristian Cabrera, Margarita Torrente, Luis Heredia.
Abstract: Olfactory dysfunction has been proposed as a potential early biomarker of cognitive decline and neurodegenerative diseases such as Alzheimer’s disease [1]. Due to its low cost and ease of administration, olfactory testing has been suggested as a useful screening tool in clinical settings. The Sniffin’ Sticks Test (SST) is a widely used and validated instrument for assessing olfactori function [2]. Previous research has linked olfactory discrimination to episodic memory, due to Shared medial temporal lobe involvement [3], as well as to executive functions, given the need for comparison and decision-making processes [4]. Additionally, olfactory performance has been associated with semantic processing, commonly assessed through semantic fluency tasks [5].
Exploring the use of Machine Learning for the detection of cognitive impairment with sociodemographic and lifestyle variables
Pol Pujol, Júlia García, Nerea Carrión, Diana Ribes, Cristian Cabrera, Margarita Torrente, Aida Valls, Luis Heredia.
Abstract: Alzheimer’s disease (AD) and Mild Cognitive Impairment (MCI) are typically diagnosed late, when neurodegeneration is already advanced. Earlier detection requires scalable, low-cost screening tools that do not depend on expensive biomarkers. Hypothesis: Routinely collected risk factors including clinical, socio-demographics, lifestyle habits, comorbidities, and self-reported olfactory function contain sufficient information to discriminate between cognitively healthy individuals and patients with AD or MCI using supervised machine learning methods. This work evaluates three binary classifications tasks using risk factors only, as a proof-of-concept for a low-burden screening approach.
