Un análisis sanguíneo combinado con resonancias magnéticas cerebrales con un programa de Inteligencia Artificial, permite distinguir dos tipos distintos de Esclerosis Múltiple
La Esclerosis Múltiple es conocida por ser imprevisible, por ello predecir la evolución de la enfermedad en cada paciente sigue siendo todo un reto. Las clasificaciones que hay actualmente sobre la EM se basan en síntomas clínicos, que a menudo no reflejan los mecanismos biológicos subyacentes que deterioran el sistema nervioso. Una investigación reciente demuestra que, combinando un simple análisis de sangre con imágenes cerebrales estándar, y la ayuda de la inteligencia artificial (IA), permite distinguir por primera vez formas biológicamente distintas de Esclerosis Múltiple.
El estudio, dirigido por investigadores del Colegio Universitario de Londres y Queen Square Analytics, combina los niveles sanguíneos de la cadena ligera de neurofilamentos séricos (un marcador de daño neuronal) con imágenes cerebrales recogidas por resonancia magnética (en la resonancia se muestra la propagación de la enfermedad). Los datos fueron analizados mediante un modelo de aprendizaje automático desarrollado por el UCL llamado “Inferencia de Subtipos y Estadios” (SuStaIn)
La muestra
La investigación analiza datos de 634 pacientes de dos series de ensayos clínicos. En ella, se midieron los niveles séricos de cadenas ligeras de neurofilamentos en muestras de sangre, mientras que con la resonancia magnética se evaluaban los cambios estructurales cerebrales y el desarrollo de lesiones. El modelo de IA, SuStaIn, integró estos datos para identificar patrones y estadios específicos de la enfermedad basándose en características biológicas en vez de síntomas clínicos.
El hallazgo
El tipo sNfL temprano: los pacientes mostraban niveles altos de cadena ligera de neurofilamentos en sangre al inicio de la enfermedad, junto con daño temprano en el cuerpo calloso y rápida formación de lesiones, lo que revela una forma más agresiva.
El tipo sNfL tardío: la contracción cerebral en zonas como la corteza límbica y la sustancia gris profunda se produjo antes de que aumentaran los niveles de biomarcadores sanguíneos, lo que conlleva a una evolución más lenta de la enfermedad. Estos resultados se publicaron en Brain.
Conclusiones del estudio
Este descubrimiento permite a los médicos predecir con mayor precisión qué pacientes presentan más riesgo de desarrollar lesiones cerebrales y por ende, una mayor progresión de la discapacidad. Al poder identificar la biología de la enfermedad antes de que aparezca el deterioro clínico, los médicos podrían llevar el seguimiento y tratamiento con mucha más exactitud. Los investigadores creen que estos subtipos de EM basados en datos pueden ayudar a asignar a los pacientes terapias más específicas dirigidas a los mecanismos subyacentes de su enfermedad.
“La EM no es una sola enfermedad, y los subtipos actuales no describen los cambios tisulares subyacentes, que necesitamos conocer para tratarla”, afirmó el Dr. Arman Eshaghi, fundador de Queen Square Analytics y autor principal del estudio. “Mediante el uso de un modelo de IA combinado con un marcador sanguíneo ampliamente disponible y resonancia magnética, hemos demostrado por primera vez dos patrones biológicos claros de EM”.
La investigación es la vía para más respuestas y tratamientos
La colaboración de todos es esencial para que se pueda seguir investigando y dando respuesta y nuevos tratamientos para la Esclerosis Múltiple, y lo más importante, frenar su progresión.
