MADRID, 10 Dic. (EUROPA PRESS) -
Un nuevo enfoque que destila diluvios de datos genéticos y registros de salud del paciente ha identificado un conjunto de patrones reveladores que pueden predecir el riesgo de una persona de una enfermedad cardiovascular común, y a menudo fatal, según un estudio de la Facultad de Medicina de la Universidad de Stanford, en California, Estados Unidos.
Aunque el método, que utiliza una forma de inteligencia artificial llamada aprendizaje automático, hasta ahora solo se ha utilizado para predecir la probabilidad de esta afección en particular, llamada aneurisma aórtica abdominal o AAA, es una prueba de que ese enfoque podría descifrar los matices que ponen a las personas en riesgo de casi cualquier enfermedad genética compleja.
"En este momento, la secuenciación del genoma está comenzando a dejar su huella", señala Michael Snyder, profesor y director de Genética en Stanford. "Se está utilizando mucho en el cáncer, o para resolver enfermedades misteriosas. Pero todavía hay una gran pregunta abierta: ¿cuánto podemos usar para predecir el riesgo de enfermedad?", plantea.
Por lo general, los investigadores y los proveedores de atención médica usan pruebas genéticas para buscar secuencias de ADN que puedan corresponder a un mayor riesgo de una enfermedad en particular. Las mutaciones en los genes BRCA1 y BRCA2, por ejemplo, pueden indicar un mayor riesgo de cáncer de mama. Pero el método que Snyder y sus colegas desarrollaron no funciona así. No busca un gen o una mutación que destaquen; está buscando una serie de patrones mutacionales complejos, y cómo esos errores genéticos afectan a la salud de las personas y el riesgo de enfermedades.
El método busca identificar a los posibles culpables que causan enfermedades de una manera "agnóstica", lo que significa que se peina a través de una avalancha de información genética de pacientes con AAA, en busca de puntos en común. Esto, dice Snyder, es la clave para desentrañar cualquier cantidad de enfermedades genéticas. No es frecuente que uno, dos o incluso un puñado de genes sean los únicos responsables de una afección. Mucho más probable es que sea un montón de ellos. La idea es que se necesita una aldea para causar una enfermedad, y al usar este nuevo método, se puede identificar a esos autores.
El estudio, que se publica este jueves en 'Cell', fue liderado por Snyder y Philip Tsao, profesor de Medicina. El profesor Jingjing Li; el gerente de Investigación Cuiping Pan, y el investigador postdoctoral Sai Zhang, son los autores principales.
A MENUDO SE DIAGNOSTICA AL MORIR
AAA aflige a más de 3 millones de personas cada año y es el décimo causante de muertes en Estados Unidos. Los pacientes con AAA tienen una aorta agrandada, la principal arteria del cuerpo, que se infla lentamente con el tiempo hasta que, en el peor de los casos, se rompe. Para empeorar las cosas, estos tipos de aneurismas rara vez muestran síntomas y, entonces, en muchos casos, el trastorno aumenta silenciosamente, lo cual es en parte lo que lo hace tan peligroso.
Sin embargo, AAA es bastante susceptible al cambio de comportamiento. Cosas como fumar y la presión arterial alta intensifican la afección, mientras que niveles altos de HDL, o colesterol "bueno", ayudan a disminuir el riesgo. Por lo tanto, si las personas saben que están en riesgo desde el principio, lo mejor es que ajusten su estilo de vida para evitar la exacerbación o el inicio.
"Lo importante de AAA es que es irreversible, por lo que una vez que la aorta comienza a agrandarse, no se puede agrandar, y la enfermedad se descubre cuando estalla la aorta y para entonces es un 90 por ciento letal --dice Snyder, profesor de Genética en Stanford--. Así que aquí está esta enfermedad irreversible, no hay forma de predecirla".
Y prosigue: "Nadie ha establecido una prueba predictiva para ella y, solo a partir de una secuencia de genoma, descubrimos que en realidad podríamos predecir con un 70 por ciento de precisión quién está en alto riesgo de AAA". Cuando se agregaron otros detalles de registros electrónicos de pacientes, como si el paciente fumaba y sus niveles de colesterol, la precisión aumentó a 80 por ciento, según Snyder.
El método ideado por Snyder y su equipo se basa en un algoritmo que denominan Estimación Jerárquica del Aprendizaje Agnóstico o HEAL, por sus siglas en inglés, que analizó los datos genómicos de 268 pacientes con AAA y escaneó la masa de información de los genes que se encontraron mutados en la población. El algoritmo identificó 60 genes que estaban hipermutados en los pacientes con AAA.
Algunos genes desempeñaron un papel en la función de los vasos sanguíneos y el desarrollo de aneurismas, pero otros, más sorprendentemente, se asociaron con la regulación de la función inmune, revelando que el paisaje mutacional de esta enfermedad es complejo, involucrando nichos de fisiología que no necesariamente se esperaban.
El equipo confirmó aún más sus hallazgos usando HEAL en un grupo de control, comprobando dos veces que los patrones mutacionales relacionados con AAA no se observaron en 133 individuos sanos. Y, de hecho, no hubo una superposición significativa. "HEAL podría, por lo tanto, descubrir nuevas direcciones de investigación y posibles objetivos terapéuticos para ciertas enfermedades con un componente genético", señala Snyder.
