Unha intensa dor abdominal que deriva nunha forte descomposición. Fatiga, cansazo e perda de peso. Por suposto, a urxencia por ir directo ao baño e a inchazón. Poderían ser síntomas dun episodio illado de malestar dixestivo, pero máis de 27.000 galegos sófreno con extrema recorrencia. Todos eles teñen enfermidades inflamatorias intestinais (EII), como a colite ulcerosa e a doenza de Crohn, que son trastornos crónicos sen unha causa clara. Para afondar mellor no diagnóstico e no coñecemento destas doenzas, o investigador galego José Liñares-Blanco vén de deseñar un sistema baseado na aprendizaxe automática que, a partir dunha mostra de feces, é capaz de identificar novos casos.
“Estas doenzas son moi difíciles de diagnosticar baseándose só nos síntomas. Hai que recorrer a métodos moi invasivos, como as colonoscopias”, explica o científico, asegurando que este novo sistema sería unha alternativa menos agresiva que as actuais e, polo tanto, suporía unha novidade e unha mellora no seu diagnóstico. Na investigación, que foi publicada recentemente na revista Frontiers in Microbiology, tamén colaboraron expertos da Universidade da Coruña (UDC), Vall d’Hebrón Institute of Oncology e da Queen’s University de Belfast. Liñares-Blanco, que desenvolveu a investigación na UDC, está a realizar actualmente un posdoutoramento na Universidade de Granada.
O camiño cara á medicina personalizada
Un dos principais obxectivos deste tipo de modelos de aprendizaxe automática é facer diagnósticos máis precisos e, polo tanto, mellorar o tratamento. É dicir: é o camiño da medicina personalizada. Para deseñalos, os investigadores traballan con inxentes bases de datos. “O conxunto é moi grande e ten moito ruído, pero pódese obter información. O que facemos é procesar eses datos, engadilos ao modelo e adestralo para que, por si só, poida predicir casos novos“, explica Liñares-Blanco. Para este estudo empregaron unha base de datos americana que xa secuenciara o microbioma de miles de individuos. Un subconxunto deses pacientes tiñan EII, cuxos datos foron empregados para adestrar o modelo. “Observamos que eramos capaces de predicir se o paciente tiña a doenza ou non”, detalla.
Estes sistemas de aprendizaxe automática estúdanse e empréganse, sobre todo, para enfermidades moi complexas como o cancro. Mais agora estanse orientando á mellora no diagnóstico doutras doenzas. “Queriamos saber como funcionaban outro tipo de datos na predición das características doutras enfermidades. Pensamos que se secuenciabamos as bacterias que temos no intestino poderiamos ser capaces de predicir os diferentes subtipos de EII”, continúa explicando o investigador galego. Outro dos motivos polo que escolleron estas doenzas é porque se trata de enfermidades complexas que, malia ser moi estudadas, aínda “non teñen un sistema de diagnóstico seguro nin moi eficaz”.
Polo tanto, este modelo, a partir dun conxunto de bacterias previamente identificadas, é capaz de predicir a presenza e o subtipo de EII. É dicir, se o paciente presenta enfermidade de Crohn ou colite ulcerosa. “Seleccionamos un conxunto de microorganismos e metemos os valores que saen da secuenciación do modelo. Así, a partir desa mostra, identificamos a probabilidade que ten o doente de presentar a enfermidade”, debulla Liñares-Blanco. Ademais, o investigador asegura que se trata dun “modelo robusto”. É dicir, que non é aleatorio, ten unha boa capacidade preditiva e pode funcionar noutras cohortes de pacientes.
Ten aplicación clínica?
No que respecta ás EII, e tal e como se recolle no estudo, hai poucos traballos que albergaran unha análise baseada en aprendizaxe automática e que, polo tanto, poidan desenvolver un papel importante no estudo e comprensión da enfermidade. De momento, o sistema con selo galego aínda está baixo estudo. É dicir, non forma parte da práctica clínica habitual. “Demostramos que estes datos poden ser útiles para facer esta tarefa pero aínda queda moito desenvolvemento. Por exemplo, tense que xeneralizar entre todos os pacientes”, recoñece Liñares-Blanco. Dende logo, o sistema é todo un avance e a súa capacidade preditiva quedou demostrada pero, de momento, é iso: un modelo. Quedará, por tanto, seguir investigando.
Referencia: Machine Learning Based Microbiome Signature to Predict Inflammatory Bowel Disease Subtypes (Publicado en Frontiers in Microbiology)
