Inteligencia artificial: una nueva era en el diagnóstico de enfermedades genéticas raras
A pesar del inicio de la era genómica, el diagnóstico de las enfermedades raras sigue siendo un reto. La cofundadora de Nostos Genomics, Rocío Acuña Hidalgo, y el director de operaciones, Ansgar Lange, nos explican cómo la inteligencia artificial (IA) podría colmar estas carencias.
Se calcula que 300 millones de personas en todo el mundo padecen enfermedades raras y que alrededor del 80% de estas afecciones tienen un componente genético. En conjunto, estas enfermedades no son raras, pero siguen siendo los huérfanos sanitarios del sistema médico, carentes de atención y mal gestionadas debido a su compleja naturaleza clínica.
Las innovaciones en la tecnología de secuenciación, como la finalización de la secuencia del genoma humano y la integración de la secuenciación de nueva generación (NGS) en los entornos clínicos, han allanado el camino para una era genómica en la que los médicos pueden ahora vincular variantes genéticas específicas a enfermedades raras, proporcionando diagnósticos de base molecular. Esto ha sido fundamental para el diagnóstico de los trastornos genéticos y el acceso mundial a las pruebas genéticas.
A pesar de este progreso, el diagnóstico de enfermedades genéticas raras a menudo acaba en resultados no concluyentes.
Retos actuales en el diagnóstico de enfermedades genéticas raras
Paradójicamente, el punto fuerte y débil de las modernas tecnologías de secuenciación genómica es la gran cantidad de información que proporcionan.
La interpretación de una variante genética sigue siendo en gran medida un proceso manual, que consiste en el filtrado de variantes junto con la revisión basada en pruebas de las variantes candidatas a causar enfermedades. Tratar de identificar una variante causante de enfermedad enterrada entre millones de variantes benignas es increíblemente difícil y laborioso, y requiere que especialistas en genómica altamente cualificados rastreen múltiples líneas de evidencia, literatura científica y bases de datos de enfermedades.
Sin embargo, la rareza de las enfermedades individuales implica que la evidencia de que una variante es patogénica puede no haberse comunicado nunca en una base de datos de enfermedades. Este proceso no estandarizado de evaluación de la patogenicidad de una variante provoca discordancias entre laboratorios y cuellos de botella en la interpretación de variantes.
Los pacientes con enfermedades genéticas raras se ven sometidos a años de complicaciones de salud y angustia emocional, a la espera de un diagnóstico concluyente y tratamientos eficaces. Se necesitan soluciones que reduzcan este periplo diagnóstico y agilicen la interpretación genómica.
IA: una herramienta moderna para diagnosticar enfermedades genéticas raras
Se han desarrollado innovadores algoritmos de aprendizaje automático capaces de rastrear conjuntos de datos genéticos e identificar variantes causantes de enfermedades en cuestión de minutos, lo que elimina la necesidad de una interpretación manual laboriosa.
Estos sistemas de IA se han entrenado utilizando fuentes de datos moleculares, experimentales, poblacionales y clínicos interpretados por expertos genómicos humanos. A continuación, el sistema puede aprender este método de interpretación, predecir variantes candidatas en trastornos genéticos no diagnosticados e informar mejor a los profesionales sanitarios.
Al identificar rápidamente las variantes candidatas más prometedoras para su interpretación, las herramientas basadas en IA son revolucionarias, ya que ayudan a los expertos a realizar diagnósticos rápidos, precisos y novedosos para mejorar los resultados de los pacientes.
Estas herramientas son fáciles de integrar y sitúan a los laboratorios genéticos en una posición única para ampliar sus operaciones.
En la actualidad, la secuenciación a gran escala de poblaciones produce una gran cantidad de información que desborda los recursos de personal de los laboratorios de genómica. Los gobiernos están proponiendo e iniciando grandes proyectos de análisis genético de poblaciones, en algunos casos sin una orientación clara sobre cómo se analizarán estos datos.
Al reducir la complejidad y el tiempo de la interpretación de variantes, los sistemas de IA proporcionan un par de manos extra, reduciendo la mano de obra necesaria para hacer frente a las operaciones de secuenciación a gran escala y superando al mismo tiempo el cuello de botella de interpretación que se presenta.
Obstáculos que debe superar la IA en el diagnóstico de enfermedades raras
La IA sólo podrá ser eficiente en la medida en que lo sean los datos con los que se alimente. Las limitaciones surgen en forma de variantes patógenas no codificantes, sesgos específicos de la ascendencia en los conjuntos de datos genómicos y problemas de protección de los datos de los pacientes. Las variantes no codificantes son regiones de la secuencia de ADN que no codifican directamente proteínas, lo que dificulta la comprensión de cómo las mutaciones en estas variantes afectan a la función celular.
Ya no es el genoma aislado lo que necesitamos comprender, sino la integración de datos multiómicos. La IA está empezando a reconocerlo al integrar en su entrenamiento algorítmico datos obtenidos experimentalmente sobre variantes del ADN no codificante. Esto, en combinación con los datos de variantes obtenidos de bases de datos de enfermedades, proporciona una plataforma de entrenamiento más amplia para que los algoritmos de IA aprendan y mejoren las predicciones.
El objetivo de estas herramientas basadas en la IA es apoyar y mejorar los conocimientos de los médicos, no sustituirlos.
Las cuestiones normativas y éticas pueden derivarse de la transparencia de los propios algoritmos subyacentes y de la privacidad de los datos clínicos y de secuenciación de los pacientes. Para la adopción clínica de sistemas de IA, es esencial ganarse la confianza de los pacientes a la hora de participar en pruebas genéticas y compartir datos, especialmente en enfermedades genéticas raras en las que compartir el descubrimiento de una nueva variante causante de la enfermedad es primordial.
La tecnología que adopta los llamados modelos de IA de «caja blanca» puede ayudar, ya que estos modelos tienen el valor fundamental de ser comprensibles e interpretables, lo que permite explicaciones humanas de las predicciones y una mayor comprensión de cómo se utilizan los datos de los pacientes.
Los gobiernos o los organismos reguladores tendrán que garantizar unas normas claras al respecto y la correcta aplicación de políticas conscientes de la IA sobre cómo se utiliza la información genética de un paciente.
Inteligencia artificial: una nueva era en el diagnóstico de enfermedades genéticas raras.
El futuro de la IA en la interpretación de pruebas genéticas
Con los continuos avances en la precisión y accesibilidad de la secuenciación de alto rendimiento y la IA, el diagnóstico de un trastorno genético raro es cada vez más económico y accesible para los mercados sanitarios mundiales en los que invertir.
A medida que aumente la riqueza de los conjuntos de datos genómicos, el acceso a estos datos será vital para proporcionar más conjuntos de datos de entrenamiento para que los sistemas de IA se superen. La IA diagnosticará mejor, más rápido y con menos prejuicios para colmar las lagunas diagnósticas de los pacientes no diagnosticados.
El «futuro de la IA» ya se está materializando, con interpretaciones basadas en la IA que predicen correctamente variantes causantes de enfermedades cuya importancia en relación con la enfermedad se desconocía hasta ahora. El uso de las mismas herramientas de IA en diferentes laboratorios y conjuntos de datos permitirá clasificaciones de variantes más coherentes y mejorará las infraestructuras de intercambio de datos para acelerar el progreso de la identificación de variantes en enfermedades genéticas raras.
Para integrar el diagnóstico basado en IA en las estructuras clínicas existentes, los médicos deben comprender los modelos subyacentes para poder explicar las predicciones. Debe mantenerse la transparencia con los pacientes, con esfuerzos de divulgación claros y continuos para educarles también sobre la tecnología utilizada. Para que los pacientes se beneficien plenamente de las pruebas genéticas impulsadas por la IA, es necesario desarrollar una forma estandarizada de evaluar el reembolso de las pruebas genéticas.
El enorme volumen de nuevas metodologías de pruebas genéticas que salen al mercado dificulta a las compañías de seguros mantenerse al día y evaluar qué prueba genética debe cubrirse. Para que la IA progrese en un entorno clínico, es necesario definir directrices claras sobre cuándo la secuenciación genética impulsada por IA es la más adecuada para un paciente.
El futuro de la IA es prometedor y puede suponer un cambio revolucionario en la forma de diagnosticar y tratar a los pacientes con trastornos genéticos raros. Su potencial se verá reforzado por el éxito de la aplicación de los crecientes datos multiómicos, la continua transparencia algorítmica y las graduales directrices gubernamentales.
Nostos Genomics’ CTO and co-founder Rocío Acuña Hidalgo, originally trained medical doctor (MD), obtained her degree and doctorate in human genetics and is now developing approaches combining genomic expertise, machine learning and high-throughput biological experiments to lead the team on the technical side.
Nostos Genomics’ COO Ansgar Lange is a commercial health-tech leader with a PhD in health economics. Prior to joining Nostos in early 2021, he served as COO of a UK startup and helped it grow from 8 to 2,000 employees. At Nostos he oversees partnerships and drives business development.
Inteligencia artificial: una nueva era en el diagnóstico de enfermedades genéticas raras.
Traducción: Asociación Mácula Retina
Fuente
