Modelo de inteligencia artificial podría acelerar diagnóstico de enfermedades raras

Identificar qué variantes genéticas causan enfermedades sigue siendo uno de los mayores desafíos de la medicina genómica. Cada persona porta decenas de miles de cambios en el ADN, pero solo unos pocos alteran significativamente la función de las proteínas de forma que provoquen enfermedades. Los métodos tradicionales pueden tardar años en identificar la variante dañina, lo que deja a muchos pacientes con enfermedades raras sin diagnosticar. Ahora, investigadores han desarrollado un modelo de inteligencia artificial (IA) que clasifica las variantes según su probabilidad de causar enfermedades, ofreciendo una hoja de ruta más clara y priorizada para los médicos.

La herramienta, llamada popEVE, fue desarrollada por investigadores de la Facultad de Medicina de Harvard (Boston, MA) junto con colaboradores, y asigna a cada variante genética una puntuación de gravedad calibrada en todos los genes, lo que permite a los médicos identificar rápidamente qué variantes probablemente expliquen los síntomas de un paciente. Al integrar conocimientos evolutivos, modelado del lenguaje proteico y genética de poblaciones humanas, el modelo unifica información previamente dispersa en herramientas independientes. En un artículo publicado en Nature Genetics, los investigadores demostraron que popEVE podía distinguir variantes patógenas de benignas, señalar qué alteraciones conducen a enfermedades de inicio en la infancia frente a las de inicio en la edad adulta e identificar si una variante era hereditaria o se produjo aleatoriamente, todo ello sin sesgo de ascendencia.

Los investigadores validaron el modelo mediante estudios de caso documentados y lo aplicaron a aproximadamente 30.000 pacientes con trastornos graves del desarrollo sin diagnóstico. popEVE proporcionó información diagnóstica en aproximadamente un tercio de los casos e identificó 123 variantes genéticas asociadas a trastornos del desarrollo que no se habían asociado previamente con enfermedades. Veinticinco de estos genes han sido confirmados independientemente por otros laboratorios, lo que subraya la utilidad del modelo en la práctica clínica. Al revelar qué variantes alteran con mayor gravedad la función proteica y la fisiología humana, el modelo ofrece una vía directa hacia el diagnóstico para pacientes que han agotado las pruebas estándar.

popEVE amplía un modelo anterior, EVE, que aprendía de mutaciones conservadas en diferentes especies. La nueva versión incorpora un modelo de lenguaje de proteínas extenso y datos de población humana, lo que permite comparaciones entre genes, algo que los sistemas anteriores no conseguían con éxito. Esta calibración permite a popEVE clasificar todas las variantes en la misma escala de gravedad, lo que facilita a los médicos priorizar qué alteraciones requieren atención inmediata al evaluar a pacientes con afecciones complejas o inexplicables.

El equipo de investigación está integrando las puntuaciones popEVE en bases de datos públicas como ProtVar y UniProt para que médicos y científicos de todo el mundo puedan aplicarlas en la evaluación genética y el descubrimiento de fármacos. El modelo también mostró un gran potencial para identificar nuevas dianas terapéuticas al identificar los cambios genéticos funcionalmente más disruptivos. Si bien se requerirá validación adicional antes de su implementación clínica, los investigadores anticipan que popEVE pronto podría ayudar a acelerar los diagnósticos, reducir la incertidumbre y guiar tratamientos de precisión para pacientes con enfermedades genéticas raras o de variante única.

“Nuestro objetivo era desarrollar un modelo que clasificara las variantes según la gravedad de la enfermedad, ofreciendo una visión priorizada y clínicamente significativa del genoma de una persona”, afirmó la coautora principal, Debora Marks. “Creemos que priorizar las variantes según la gravedad prevista de la enfermedad mejorará las probabilidades de diagnóstico y, en última instancia, allanará el camino para un mejor tratamiento y el descubrimiento de fármacos”.

Enlaces relacionados
Facultad de Medicina de Harvard
Portal popEVE

Visitar la expo >

Miembro Platino

Analizador de coagulación automatizado

Hemolumi H6

βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®

CMV CLIA Diagnostic

CLIA CMV IgA Screen Group

Miembro Oro

Solución de biomarcadores proteicos en sangre para la enfermedad de Alzheimer

BG-DTi2000.