Usando IA para combatir la artritis reumatoide

Usando IA para combatir la artritis reumatoide

Fan Zhang, PhD, ve la inteligencia artificial como una forma de encontrar una forma eficaz de combatir un enemigo intratable: la artritis reumatoide.

Zhang es profesor asistente en la División de Reumatología del Departamento de Medicina de la Universidad de Colorado y también está afiliado al Departamento de Informática Biomédica del Campus Médico Cu Anschutz. Recientemente recibió una subvención altamente competitiva de la Arthritis Foundation para avanzar en su trabajo en el uso de la IA para predecir mejor la aparición de la artritis reumatoide (AR) en ciertos pacientes, y un nuevo artículo documenta los últimos pasos en su trabajo.

La investigación de Zhang se centra en el desarrollo de métodos que incorporen el aprendizaje automático (utilizando algoritmos a partir de datos y predicción) para estudiar la AR y otras enfermedades autoinmunes, basándose en conjuntos de datos unicelulares clínicos y preclínicos a gran escala. Este trabajo podría promover intervenciones específicas que podrían prevenir la progresión de la enfermedad.

Se han realizado importantes investigaciones sobre cómo tratar a un paciente después de que se le diagnostica a alguien. Sin embargo, se han realizado menos estudios para desarrollar estrategias de prevención y comprender qué personas sanas tienen riesgo de desarrollar AR en los próximos años. Esto es mucho más difícil. Por eso nos centramos en mejorar la predicción de enfermedades y, en última instancia, permitir la prevención de las enfermedades tempranas. “

Fan Zhang, PhD, profesor asistente de la División de Reumatología del Departamento de Medicina de la Universidad de Colorado

Uniendo la ciencia de datos con la medicina traslacional

La AR es una enfermedad autoinmune crónica, lo que significa que es un trastorno en el que el sistema inmunológico del cuerpo ataca por error a sus propios tejidos sanos y provoca inflamación. Aunque la AR a menudo se asocia con hinchazón, dolor y rigidez en las articulaciones, puede afectar varias partes del cuerpo, incluidos el corazón y los pulmones.

Se estima que alrededor de 18 millones de personas viven con AR en todo el mundo, 1,5 millones de las cuales viven en los Estados Unidos. Casi tres veces más mujeres que hombres padecen este trastorno.

Los tratamientos disponibles pueden reducir la inflamación y proporcionar cierto alivio, pero no existen tratamientos preventivos ni curas eficaces. La causa es incierta, aunque la AR se ha relacionado con ciertos genes que pueden desencadenarse por una serie de factores externos.

Las investigaciones han demostrado que muchas personas que finalmente desarrollan síntomas de AR experimentan anomalías inmunológicas que pueden detectarse incluso aunque los análisis de sangre aparezcan años antes de que aparezcan los síntomas. Sin embargo, la duración de este período “preclínico” sin síntomas puede variar ampliamente y algunas personas con estas anomalías nunca desarrollan la enfermedad completa.

Lo que se necesita, dice Zhang, son formas más precisas de predecir qué personas con anomalías preclínicas (o con antecedentes familiares de AR) progresarán a la enfermedad en toda regla y con qué rapidez.

Zhang describe su trabajo como un "puente" entre la ciencia de datos y la medicina traslacional.

"Nuestra investigación es muy interdisciplinaria", dice Zhang. "Tenemos datos a gran escala de pacientes con enfermedades autoinmunes, por lo que podemos aplicar nuestras herramientas de IA a diferentes cohortes de pacientes".

El equipo de Zhang analiza datos sobre genética, genómica, epigenética, proteínas y otros factores de células individuales en diferentes momentos durante largos períodos de tiempo, lo que se conoce como secuenciación multimodal unicelular. "Al reunir todo esto, podemos esperar identificar de manera más sólida marcadores nuevos y más precisos para la predicción, combinados con características clínicas", dice.

Banderín importantes cambios inmunológicos

El estudio presentado en el nuevo trabajo de Zhang, "La inmunofenotipificación profunda revela linfocitos activados circulantes en personas con riesgo de artritis reumatoide", publicado el 17 de marzo en el Journal of Clinical Investigation, ayudó a establecer las bases para su siguiente fase de investigación, respaldada por una nueva subvención de la Arthritis Foundation.

Con esta nueva financiación, el laboratorio de Zhang aplicará sus herramientas computacionales avanzadas a conjuntos de datos complejos recopilados de un gran ensayo preclínico llamado Stopra. Esto, dice Zhang, fortalecerá su colaboración con el reumatólogo Kevin Deane, MD, PhD, de Cu, ya que comparan a las personas que lo hicieron con las que no. El objetivo es determinar los cambios en el sistema inmunológico asociados con la progresión desde la artritis de Rau preclínica hasta los síntomas.

En este artículo, financiado por una subvención de los Institutos Nacionales de Salud, Zhang y sus colegas analizaron la expresión de ARN y proteínas en las células para comparar a personas con riesgo de desarrollar AR con síntomas y personas sanas. Encontraron diferencias "significativas" en ciertos tipos de células inmunes, particularmente en la expansión de subtipos de células T específicas, en el grupo en riesgo.

Estas células "podrían ser un marcador prometedor" de la aparición de la AR, afirma Zhang, y podrían conducir a mejores estrategias de prevención. Pero ella dice que "todavía está muy lejos" y requiere conjuntos de datos aún mayores y más diversos geográficamente para determinar si los resultados que están viendo se mantienen.

Zhang es el autor correspondiente de este artículo; El becario postdoctoral de su laboratorio, Jun Inamo, MD, PhD, es el primer autor; y Deane y otro colega de reumatología, V. Michael Holers, MD, se encuentran entre los coautores principales.

Zhang, que estuvo en Cu Anschutz durante poco más de tres años después de una beca postdoctoral en la Facultad de Medicina de Harvard, dice que el campus de Aurora es adecuado para este tipo de colaboración, “con toda la experiencia y los recursos que lo rodean.

Fuentes: