Papel y potencial de la inteligencia artificial en el descubrimiento de biomarcadores y el desarrollo de estrategias de tratamiento para la esclerosis lateral amiotrófica
Ref.: https://doi.org/10.3390/ijms26094346
La esclerosis lateral amiotrófica (ELA) es una enfermedad neurodegenerativa compleja que presenta desafíos considerables, ya que actualmente carece de tratamientos curativos y las opciones existentes ofrecen beneficios limitados. Ante esta realidad, la detección temprana y la identificación de biomarcadores fiables que puedan señalar la presencia o progresión de la enfermedad son cruciales.
En este contexto, la inteligencia artificial (IA) ha surgido como una herramienta innovadora con un gran potencial para transformar la investigación en ELA. La IA puede mejorar la precisión de los diagnósticos y acelerar el descubrimiento de biomarcadores y el desarrollo de nuevas estrategias de tratamiento. Por ejemplo, en los ensayos clínicos, la IA permite optimizar el diseño y la selección de participantes, además de facilitar el análisis rápido y completo de grandes volúmenes de datos. Esto acelera el desarrollo de fármacos al predecir la eficacia de los tratamientos, simular parámetros de los medicamentos y optimizar las dosis, lo que incluso puede reducir la necesidad de experimentos en animales y ensayos en humanos, ofreciendo un enfoque más rentable.
En el ámbito del diagnóstico, los métodos tradicionales son complejos y requieren mucha experiencia y a menudo se basan en síntomas no específicos y hallazgos de imágenes. Sin embargo, el análisis de imágenes impulsado por la IA ha superado la precisión y reproducibilidad del análisis manual, logrando distinguir entre pacientes con ELA y personas sanas con alta precisión. A pesar de estos avances, persisten desafíos relacionados con la transparencia de los modelos de IA y la necesidad de una validación exhaustiva.
Al integrar diversos tipos de datos a gran escala, conocidos como datos "ómicos" (genómica, proteómica, metabolómica) con información de neuroimagen, la IA puede extraer patrones complejos para identificar biomarcadores fiables. Herramientas como AlphaFold, un modelo de IA para la predicción de estructuras de proteínas, han revolucionado la investigación proteómica, ofreciendo nuevos conocimientos relevantes.
En neuroimagen, la IA facilita la clasificación de imágenes de resonancia magnética y la identificación de subtipos de enfermedades, lo que mejora la precisión diagnóstica. Un estudio con 245 pacientes de ELA utilizó IA para analizar imágenes cerebrales, movimientos oculares y pruebas cognitivas, identificando cuatro grupos distintos de pacientes, lo que ayuda a entender mejor la heterogeneidad de la enfermedad y a estratificar a los pacientes. Biomarcadores como la proteína de cadena ligera de neurofilamento (NFL) y el microARN (miR-181) en la sangre, combinados con IA, han demostrado mejorar la precisión de las predicciones de progresión de la enfermedad y la planificación del tratamiento.
En cuanto al desarrollo de tratamientos, la IA juega un papel crucial ayudando a identificar nuevos objetivos terapéuticos y a reutilizar fármacos existentes. Por ejemplo, la plataforma PandaOmics ha identificado 17 objetivos terapéuticos altamente fiables y 11 novedosos al analizar perfiles de expresión génica de muestras de pacientes. La IA también mejora la medicina personalizada, prediciendo la progresión de la enfermedad en cada paciente basándose en datos genómicos y clínicos, lo que ayuda a determinar los tratamientos y dosis más adecuados. Además, la IA está revolucionando la neurorehabilitación y la comunicación, tal y como demuestra el desarrollo de una prótesis de voz intracortical controlada por IA que alcanzó una precisión del 99.6% con un vocabulario de 50 palabras en solo 25 días postoperatorio, y una precisión del 97.5% durante 8.4 meses, permitiendo la comunicación a unas 32 palabras por minuto.
Si bien existen limitaciones, como la falta de transparencia en ocasiones en el razonamiento o la necesidad de grandes ensayos clínicos para validar nuevas terapias, los avances en la IA son innegables. El uso creciente de dispositivos portátiles y aplicaciones móviles, junto con la IA, promete mejorar el seguimiento a tiempo real del tratamiento y proporcionar retroalimentación, mejorando significativamente la calidad de vida de los pacientes.