Los investigadores del Monte Sinaí han desarrollado V2P, una herramienta de IA que predice qué enfermedades pueden causar mutaciones específicas del ADN, con el objetivo de acelerar el diagnóstico y orientar tratamientos de precisión.
Una nueva herramienta de inteligencia artificial desarrollada en la Escuela de Medicina Icahn del Monte Sinaí podría ayudar a los médicos a pasar más rápidamente de la secuencia de ADN de un paciente a obtener respuestas sobre qué lo está enfermando.
El método, llamado V2P (Variante a Fenotipo), no se limita a detectar mutaciones genéticas potencialmente dañinas. También predice el tipo general de enfermedad que dichas mutaciones probablemente causen, ofreciendo una forma de vincular los cambios en el ADN con síntomas reales.
La obra, publicado en la revista Nature Communications, está diseñado para acelerar el diagnóstico genético y apoyar la búsqueda de nuevos tratamientos para enfermedades complejas y raras.
Hoy en día, cuando se secuencia el genoma o el exoma de un paciente, los médicos suelen obtener una lista de miles de variantes genéticas. Las herramientas existentes pueden estimar si una variante dada es probablemente dañina, pero generalmente se detienen ahí. No indican si una mutación tiene mayor probabilidad de provocar un trastorno del sistema nervioso, un cáncer u otra categoría de enfermedad.
V2P busca cubrir esa necesidad. El sistema utiliza aprendizaje automático para vincular variantes genéticas específicas con sus probables resultados fenotípicos, es decir, las enfermedades o rasgos que podrían derivar. En la práctica, esto podría ayudar a los médicos a centrarse en las pocas variantes con mayor probabilidad de explicar los síntomas de un paciente.
El enfoque está diseñado para eliminar el ruido de grandes conjuntos de datos genéticos, según el primer autor David Stein, quien recientemente completó su formación de doctorado en los laboratorios de Yuval Itan y Avner Schlessinger.
“Nuestro enfoque nos permite identificar los cambios genéticos más relevantes para la condición de un paciente, en lugar de tener que analizar miles de variantes posibles”, declaró Stein en un comunicado de prensa. “Al determinar no solo si una variante es patógena, sino también el tipo de enfermedad que probablemente cause, podemos mejorar la velocidad y la precisión de la interpretación y el diagnóstico genéticos”.
Para desarrollar V2P, el equipo entrenó el modelo con una amplia base de datos de variantes genéticas que incluía cambios tanto perjudiciales como benignos, junto con información sobre enfermedades asociadas. Al aprender de ejemplos cuyo resultado ya se conoce, la IA puede predecir nuevas variantes desconocidas.
Los investigadores probaron V2P con datos reales de pacientes anónimos. En estas pruebas, la herramienta a menudo clasificó la variante causante de la enfermedad entre las 10 principales. Este rendimiento, según el equipo, podría agilizar el proceso de diagnóstico al ayudar a los médicos a identificar las pistas más prometedoras con mayor rapidez.
Si bien la versión actual de V2P clasifica las mutaciones en categorías amplias, como trastornos del sistema nervioso o cánceres, los investigadores la consideran un punto de partida. Su objetivo es perfeccionar la herramienta para que pueda predecir resultados patológicos más específicos e integrarla con fuentes de datos adicionales, como información sobre la interacción de los genes o el funcionamiento de las proteínas en las células.
Además de ayudar a pacientes individuales, el equipo cree que V2P podría ser un recurso poderoso para investigadores y desarrolladores de fármacos.
“Más allá del diagnóstico, V2P podría ayudar a investigadores y desarrolladores de fármacos a identificar los genes y las vías más estrechamente vinculados a enfermedades específicas”, añadió Schlessinger, coautor principal y corresponsal, profesor de ciencias farmacológicas y director del Centro de Descubrimiento de Fármacos de Moléculas Pequeñas con IA de la Escuela de Medicina Icahn del Monte Sinaí. “Esto puede guiar el desarrollo de terapias genéticamente adaptadas a los mecanismos de la enfermedad, especialmente en enfermedades raras y complejas”.
Este tipo de conocimiento es fundamental para el avance hacia la medicina de precisión, un enfoque que busca adaptar los tratamientos al perfil genético y biológico único de cada persona. Al aclarar qué cambios genéticos tienen mayor probabilidad de desencadenar una enfermedad, herramientas como V2P podrían ayudar a los científicos a identificar nuevas dianas farmacológicas y diseñar terapias que actúen en las vías adecuadas.
La tecnología ofrece una visión más directa de cómo los cambios en el ADN afectan la salud, según Itan, coautor principal y co-correspondiente y profesor asociado de inteligencia artificial y salud humana y de genética y ciencias del genoma en la Escuela de Medicina Icahn en Mount Sinai.
“V2P nos brinda una perspectiva más clara sobre cómo los cambios genéticos se traducen en enfermedades, lo cual tiene importantes implicaciones tanto para la investigación como para la atención al paciente”, afirmó en el comunicado de prensa. “Al vincular variantes específicas con los tipos de enfermedades que probablemente causen, podemos priorizar mejor qué genes y vías requieren una investigación más profunda. Esto nos ayuda a avanzar con mayor eficiencia desde la comprensión de la biología hasta la identificación de posibles enfoques terapéuticos y, en última instancia, a adaptar las intervenciones al perfil genómico específico de cada individuo”.
El estudio destaca cómo añadir información específica de la enfermedad a las herramientas de predicción existentes puede ampliar su utilidad. En lugar de tratar todas las variantes dañinas como esencialmente iguales, V2P intenta distinguir cómo diferentes mutaciones podrían conducir a diferentes categorías de enfermedad.
Para pacientes con enfermedades raras o inexplicables, este tipo de tecnología podría ser especialmente valiosa. Muchos de estos pacientes pasan años de pruebas y visitas a especialistas antes de recibir un diagnóstico, un proceso que a menudo se denomina una odisea diagnóstica. Una herramienta que pueda priorizar las variantes más probables causantes de la enfermedad y sugerir el tipo de trastorno involucrado podría ayudar a acortar ese camino.
Los investigadores planean seguir mejorando la precisión y la resolución de V2P, con el objetivo de pasar de categorías amplias de enfermedades a predicciones más precisas. También prevén integrar la herramienta en los procesos de investigación para el descubrimiento de fármacos, donde podría ayudar a identificar dianas moleculares prometedoras en una etapa más temprana del proceso.
A medida que la secuenciación genómica se vuelve más común en clínicas y laboratorios de investigación, el desafío pasa de recopilar datos de ADN a interpretarlos. V2P representa un intento de cerrar esa brecha, utilizando inteligencia artificial para traducir la información genética sin procesar en información que, en última instancia, podría mejorar el diagnóstico y el tratamiento.