Los gráficos de conocimiento basados ​​en imágenes revelan nuevos objetivos para el tratamiento de enfermedades cardíacas

Los gráficos de conocimiento basados ​​en imágenes revelan nuevos objetivos para el tratamiento de enfermedades cardíacas

Los gráficos de conocimiento son una herramienta poderosa para reunir información de bases de datos biológicas y vincular conocimientos ya conocidos sobre genes, enfermedades, tratamientos, vías moleculares y síntomas en una red estructurada. Hasta ahora falta información detallada e individual sobre el aspecto y el funcionamiento del órgano afectado.

La última investigación dirigida por el investigador postdoctoral Dr. Khaled Rjoob y el líder del grupo, el profesor Declan O'Regan, del Grupo de Imágenes Cardíacas Computacionales del Laboratorio de Ciencias Médicas del MRC, ha desarrollado aún más esta tecnología al agregar datos de imágenes a un gráfico de conocimiento por primera vez. CardioKG proporciona una descripción detallada de la estructura y función del corazón, lo que mejora enormemente la precisión a la hora de predecir qué genes están relacionados con enfermedades y si los medicamentos existentes podrían tratarlas.

Capturar variación cardiaca

Para desarrollar CardioKG, el equipo utilizó datos de imágenes cardíacas de 4.280 participantes del Biobanco del Reino Unido con fibrilación auricular, insuficiencia cardíaca o ataque cardíaco, así como de 5.304 participantes sanos, y capturó variaciones en la estructura y función del corazón. En total, se generaron y utilizaron más de 200.000 características basadas en imágenes para entrenar el modelo. El equipo integró esto con datos de 18 bases de datos biológicas diferentes y utilizó inteligencia artificial (IA) para predecir vínculos entre genes y enfermedades, así como oportunidades para la reutilización de medicamentos.

Una de las ventajas de los gráficos de conocimiento es que integran información sobre genes, fármacos y enfermedades. Esto significa que tiene más oportunidades de hacer descubrimientos sobre nuevas terapias. Descubrimos que la incorporación de imágenes cardíacas al gráfico cambió la forma en que se podían identificar nuevos genes y fármacos”.

Profesor Declan O'Regan, Grupo de Imágenes Cardíacas Computacionales, Laboratorio de Ciencias Médicas del MRC

Predecir nuevas oportunidades de drogas

El modelo identificó una lista de nuevos genes asociados a enfermedades y predijo dos fármacos para tratar las enfermedades cardíacas; El metotrexato, un fármaco para la artritis reumatoide, podría mejorar la insuficiencia cardíaca, y las gliptinas, utilizadas para tratar la diabetes, podrían ser útiles para la fibrilación auricular. El equipo también hizo un descubrimiento sorprendente: la cafeína, que hace que el corazón sea más excitable, tiene un efecto protector en pacientes con fibrilación auricular, que tienen un pulso rápido e irregular.

"Lo interesante es que existen otros estudios recientes en esta área que respaldan nuestros resultados preliminares", dice Declan. "Esto resalta el enorme potencial de los gráficos de conocimiento para descubrir medicamentos existentes que podrían usarse como nuevos tratamientos".

Extendiendo la tecnología a otros órganos

CardioKG ofrece una tecnología de prueba de concepto que puede ir mucho más allá del corazón. Los investigadores ahora podrían desarrollar gráficos de conocimiento que integren datos de imágenes dondequiera que existan imágenes de órganos, lo que significa que el mismo enfoque podría aplicarse a escáneres cerebrales, imágenes de grasa corporal u otros órganos y tejidos para explorar nuevas posibilidades terapéuticas en áreas como la demencia o la obesidad.

La capacidad de estos gráficos de conocimiento para generar listas precisas y rápidas de genes de alta prioridad en una variedad de enfermedades proporcionaría a las compañías farmacéuticas un valioso punto de partida, destacando objetivos biológicos que pueden explorar, validar y potencialmente desarrollar nuevas terapias de manera mucho más eficiente que los métodos de descubrimiento tradicionales.

"A partir de este trabajo, ampliaremos el gráfico de conocimiento a un marco dinámico y centrado en el paciente que capture la progresión de la enfermedad en el mundo real", afirma Khaled. "Esto abrirá nuevas oportunidades para el tratamiento personalizado y la predicción de cuándo es probable que ocurra la enfermedad".

Este estudio fue apoyado por el Consejo de Investigación Médica, la Fundación Británica del Corazón, Bayer AG y el Centro de Investigación Biomédica del Imperial College del Instituto Nacional de Investigación en Salud y Atención (NIHR).

Además de su función en el LMS, Declan es profesor de IA cardiovascular en la British Heart Foundation y líder de temas clínicos del Centro de Excelencia en Investigación de la British Heart Foundation en el Instituto Nacional del Corazón y los Pulmones de Imperial.

Fuentes: