La combinación de biomarcadores inmunitarios, datos clínicos y aprendizaje automático ha permitido la creación de una herramienta tecnológica que permite predecir el riesgo real tras un trasplantes de células madre y médula ósea.
Un trasplante de células madre o de médula ósea puede salvar la vida de una persona. Pero la recuperación no termina al salir del hospital. En algunos casos, pueden surgir complicaciones graves meses después, a menudo sin previo aviso. Una de las más desafiantes es la enfermedad de injerto contra huésped (EICH) crónica, una afección en la que las células inmunitarias del trasplante atacan los tejidos sanos del paciente. La enfermedad puede afectar múltiples órganos, como la piel, los ojos, la boca, las articulaciones y los pulmones, causando discapacidad a largo plazo o incluso la muerte.
Sobre ello han trabajado investigadores del Centro de Cáncer MUSC Hollings, integrado en la Universidad de Carolina del Sur (EEUU). Sus esfuerzos les han llevado a la obtención de una poderosa herramienta de inteligencia artificial (IA) enfocada a la identificación de complicaciones potencialmente mortales después de trasplantes de células madre y médula ósea.
«Para cuando se diagnostica la EICH crónica, la enfermedad suele llevar meses desarrollándose, dañando silenciosamente el cuerpo», señaló la Dra. Sophie Paczesny, codirectora del Programa de Investigación de Inmunología y Biología del Cáncer en Hollings. «Queríamos saber si podíamos detectar las señales de alerta con mayor antelación, antes de que los pacientes se sientan mal, y con la suficiente rapidez para que los médicos intervinieran, antes de que el daño se vuelva irreversible».
Mediante aprendizaje automático a proteínas relacionadas con el sistema inmunitario e información clínica validada, el equipo desarrolló una herramienta, bajo el nombre de BIOPREVENT , que estima el riesgo futuro de un paciente de desarrollar EICH crónica y morir por causas relacionadas con un trasplante.
El estudio, publicado en el ‘Journal of Clinical Investigation’, combina biomarcadores inmunitarios, datos clínicos y aprendizaje automático para crear una herramienta que permite predecir el riesgo en situaciones reales.
Los investigadores analizaron datos de 1.310 receptores de trasplantes de células madre y médula ósea en cuatro amplios estudios multicéntricos. Se analizaron muestras de sangre recolectadas entre 90 y 100 días después del trasplante para detectar siete proteínas inmunitarias relacionadas con la inflamación, la activación y regulación inmunitaria, y la lesión y remodelación tisular. Los biomarcadores inmunitarios utilizados en BIOPREVENT se identificaron y validaron en un estudio previo dirigido por la Dra. Paczesny.
Los biomarcadores se combinaron con nueve factores clínicos, como la edad del paciente, el tipo de trasplante, la enfermedad primaria y las complicaciones previas, extraídos de registros de trasplantes. El equipo probó varios enfoques de aprendizaje automático para determinar si podían predecir los resultados de los pacientes con mayor precisión que los métodos estadísticos tradicionales. El modelo con mejor rendimiento, basado en una técnica estadística denominada árboles de regresión aditiva bayesiana, se convirtió en la base de BIOPREVENT.
Los resultados mostraron que los modelos que combinan biomarcadores sanguíneos con datos clínicos superaron consistentemente a los modelos basados únicamente en datos clínicos, especialmente en la predicción de la mortalidad relacionada con el trasplante. El equipo validó la herramienta en un grupo independiente de receptores de trasplantes, confirmando que predecía con fiabilidad el riesgo más allá de los pacientes utilizados para construir el modelo.
La herramienta también logró separar a los pacientes en grupos de bajo y alto riesgo, con claras diferencias en sus resultados hasta 18 meses después. Cabe destacar que diferentes biomarcadores predijeron distintos resultados del trasplante, lo que subraya que la EICH crónica y la muerte relacionada con el trasplante se deben, al menos parcialmente, a factores biológicos distintos.
Por ahora, el dispositivo está diseñado para apoyar la evaluación de riesgos y la investigación clínica, no para orientar las decisiones de tratamiento. El siguiente paso será «realizar ensayos clínicos cuidadosamente diseñados para evaluar si la actuación ante estas señales tempranas de riesgo, como una monitorización más estrecha o terapias preventivas para pacientes de alto riesgo, puede mejorar los resultados a largo plazo», concluyó la Dra. Paczesny.
Fuente: www.immedicohospitalario.es