Una inteligencia artificial diagnostica enfermedades inmunológicas

Un nuevo sistema de inteligencia artificial (IA) desarrollado por científicos de la Universidad de Stanford (EEUU) logra descifrar el historial de infecciones y enfermedades «leyendo» el sistema inmunitario de un individuo. Se trata, según científicos que han tenido acceso al estudio que describe este trabajo en la revista «Science», de una nueva e importante forma de lograr grandes avances en el campo de las enfermedades inmunológicas e infecciosas.

«El estudio presentado por Zaslavsky et al. representa un avance muy importante en la integración de la inteligencia artificial en el diagnóstico inmunológico, al aplicar el aprendizaje automático sobre secuencias de receptores de células inmunitarias para clasificar múltiples enfermedades con una alta precisión», destaca José Gómez Rial, jefe de Servicio de Inmunología en el Complejo Hospitalario Universitario de Santiago.

Gómez Rial es uno de los inmunólogos que han aportado su opinión sobre este trabajo a través de la plataforma Science Media Centre (SMC). Otro ha sido Ignacio J. Molina, catedrático de Inmunología de la Universidad de Granada, que explica el mecanismo biológico en el que se enfoca esta nueva metodología, denominada Machine Learning for Immunological Diagnosis (Mal-ID): «La respuesta inmunitaria específica se monta gracias a que cada una de las células responsables de ella, los linfocitos, portan un receptor con una secuencia única que permite reconocer un antígeno y solamente uno –detalla Molina–. Cuando estas células reconocen al antígeno, proliferan y se expanden, pero solo las que portan una secuencia de ese receptor capaz de interaccionar con el antígeno. Por tanto, si se consigue caracterizar y distinguir de entre los millones de receptores posibles los que se han expandido y reaccionado frente a ese antígeno, podría ser una valiosa herramienta diagnóstica, especialmente en casos complejos como las enfermedades autoinmunitarias», resalta.

Los investigadores realizaron el estudio en cerca de 600 personas. La herramienta de IA identificó si los participantes estaban sanos o tenían covid, VIH, diabetes tipo 1 o lupus (las dos últimas, enfermedades autoinmunes), así como si habían recibido recientemente la vacuna contra la gripe.

El sistema inmunológico conserva un amplio registro de enfermedades pasadas y actuales a través de sus dos principales tipos de linfocitos: las células B y las células T. Las células B producen anticuerpos que se adhieren a los virus y las moléculas dañinas, mientras que las células T activan otras respuestas o matan las células infectadas. «Se trata de un método de secuenciación única que captura todo aquello a lo que ha estado expuesto el sistema inmunológico», señala Sarah Teichmann, bióloga molecular de la Universidad de Cambridge (Reino Unido), en declaraciones a «Nature».

«Este enfoque supone un cambio de paradigma en el diagnóstico, ya que tradicionalmente la evaluación inmunológica se ha basado en la detección de anticuerpos y biomarcadores indirectos, mientras que esta tecnología aprovecha la inmensa diversidad del repertorio inmunológico para extraer gran cantidad de datos que proporcionan información altamente específica», destaca, por su parte, José Gómez Rial.

Igualmente optimista se muestra Manel Juan, jefe del Servicio de Inmunología del Hospital Clínic (Barcelona), que apunta a SMC que el publicado en «Science» es «un estudio muy relevante sobre la potencialidad diagnóstica del análisis por IA». En el futuro, añade, podrá «permitir disponer de una herramienta poderosísima para diagnosticar trastornos autoinmunes, infecciones virales, respuestas a vacunas... y, en general, todas las enfermedades donde la respuesta inmune juega un papel, que son prácticamente todas». Como principal limitación, Juan apunta a la necesidad de implantar métodos de secuenciación masiva, «lo que supone aún un desafío técnico y económico en la mayoría de los entornos sanitarios», recuerda.

«La aplicación de inteligencia artificial en inmunología clínica abre nuevas posibilidades para mejorar nuestra precisión diagnóstica, reducir el tiempo de diagnóstico y personalizar los tratamientos», concluye José Gómez Rial.