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".
Con información de EFE / Foto: Archivo /
