Un sistema de inteligencia artificial (IA) basado en el
aprendizaje automático puede descifrar el historial de infecciones y
enfermedades del sistema inmunitario de una persona, lo que constituye una
herramienta con potencial para diagnosticar con precisión trastornos
autoinmunes, infecciones víricas y respuestas a vacunas.
Así lo indica un nuevo estudio encabezado por la Universidad de Stanford
(EE.UU.) y que publica Science, en el que se presenta el desarrollo de
Machine Learning for Immunological Diagnosis (Mal-ID), un marco interpretativo
que permite detectar simultáneamente varias enfermedades o realizar pruebas
precisas de una afección.
El diagnóstico clínico suele incorporar la exploración física, el historial del
paciente y diversas pruebas de laboratorio, y estudios de imagen, un proceso
largo que a menudo se complica por diagnósticos iniciales erróneos y sistemas
ambiguos.
Sin embargo, hace un uso limitado del registro del sistema inmunitario humano
de exposiciones a antígenos codificados por receptores en células B (BCR) y
células T (TCR) del paciente.
En respuesta a los patógenos, vacunas y otros estímulos antigénicos, los
receptores de BCR y TCR experimentan cambios.
La secuenciación de BCR y TCR podría proporcionar una herramienta de
diagnóstico integral, lo que permitiría detectar simultáneamente enfermedades
infecciosas, autoinmunes e inmunomediadas en una sola prueba, pero aún no se ha
determinado hasta qué punto esa secuenciación puede, por sí sola, clasificar
las enfermedades de manera fiable y amplia.
El equipo entrenó Mal-ID con datos de BCR y TCR recogidos sistemáticamente de
593 individuos, entre ellos pacientes con covid-19, VIH y diabetes de tipo 1,
así como receptores de la vacuna antigripal y controles sanos.
Los resultados indican que el sistema distinguió eficazmente seis estados de
enfermedad distintos en 550 muestras emparejadas de BCR y TCR con una precisión
de clasificación excepcionalmente alta.
Este estudio piloto demuestra que los datos de secuenciación de receptores
inmunitarios "pueden distinguir una serie de estados patológicos y extraer
conocimientos biológicos sin necesidad de conocer previamente los patrones de
receptores específicos de antígenos", escriben los autores en su artículo.
El modelo logró, además, diferenciar entre covid-19, VIH, lupus, diabetes tipo
1 e individuos sanos, lo que ilustra su potencial como potente herramienta de
diagnóstico, aunque el enfoque aún debe perfeccionarse.
Además, según los científicos, "con una mayor validación y extensión,
Mal-ID podría dar lugar a herramientas clínicas que aprovechen la vasta
información contenida en las poblaciones de receptores inmunitarios para el
diagnóstico médico".
EFE