Presentan método que usa inteligencia artificial para diagnosticar Zika y otros patógenos

Una plataforma que puede diagnosticar varias enfermedades con un alto grado de precisión usando marcadores metabólicos encontrados en la sangre de los pacientes ha sido desarrollada por científicos de la Universidad de Campinas (UNICAMP) en Brasil.

ilustraci+on de una computadora en el centro con ocho flechas que apuntan hacia afuera en done se encuentran iconos de personas
El método creado en Brasil combina el análisis de espectrometría de masa del suero sanguíneo con un algoritmo que reconoce los patrones asociados con enfermedades virales y enfermedades de origen bacteriano, fúngico e incluso genético.
El método combina espectrometría de masas, que puede identificar decenas de miles de moléculas presentes en el suero sanguíneo, con un algoritmo de inteligencia artificial capaz de encontrar patrones asociados con enfermedades de origen viral, bacteriano, fúngico e incluso genético.

La investigación fue apoyada por la Fundación de Investigación de São Paulo – FAPESP y realizada como parte del doctorado de Carlos Fernando Odir Rodrigues Melo. Los resultados han sido publicados en Frontiers in Bioengineering and Biotechnology.

Usamos la infección por el virus del zika como modelo para desarrollar la plataforma y demostramos que en este caso, la precisión diagnóstica excedía el 95%. Una de las principales ventajas es que el método no pierde sensibilidad incluso si el virus muta“, dijo Melo. supervisor Rodrigo Ramos Catharino, investigador principal del proyecto. Catharino es profesor en la Facultad de Ciencias Farmacéuticas de la UNICAMP (FCF) y jefe de su Laboratorio de Biomarcadores Innovare.

Otra fortaleza de la plataforma, agregó, es la capacidad de identificar casos positivos de zika incluso en el suero sanguíneo analizado 30 días después del inicio de la infección, cuando la fase aguda de la enfermedad ha terminado.

Ninguno de los kits de diagnóstico actualmente disponibles tiene la sensibilidad para detectar la infección por zika después del final de la fase aguda. El método que desarrollamos podría ser útil para analizar bolsas de sangre transfusionales, por ejemplo“, dijo Catharino.

Aprendizaje automático, Machine Learning

El desarrollo y validación de la plataforma implicó el análisis de muestras de sangre de 203 pacientes tratados en el hospital general y de enseñanza de UNICAMP. De estos, 82 fueron diagnosticados con zika por el método considerado actualmente como el estándar de oro en este campo: reacción en cadena de la polimerasa en tiempo real (RT-PCR, Reverse transcription polymerase chain reaction), que detecta ARN viral en fluidos corporales durante la fase aguda de la infección.

Los otros 121 pacientes fueron el grupo de control. Aproximadamente la mitad tuvo los mismos síntomas que el grupo que dio positivo al zika, como:

  • fiebre
  • dolor en las articulaciones
  • conjuntivitis
  • sarpullido

Pero tuvo resultados negativos de RT-PCR para Zika. El resto no presentó síntomas y también dio negativo o fue diagnosticado con dengue.

Todas las muestras recogidas se analizaron en un espectrómetro de masas, un dispositivo que actúa como una especie de balanza molecular, clasificando moléculas según su masa.

Identificamos unas 10 mil moléculas diferentes en el suero de los pacientes, incluidos lípidos, péptidos y fragmentos de ADN y ARN. Entre estos metabolitos, había partículas producidas tanto por el zika como por el sistema inmunitario del paciente en respuesta a la infección“, dijo. el supervisor de becas FAPESP.

Todos los datos obtenidos en el análisis de espectrometría del grupo que arrojó resultados positivos para zika y el grupo de control fueron luego alimentados a un programa de computadora que ejecutaba un algoritmo de aprendizaje automático de bosques aleatorios. Este tipo de herramienta de inteligencia artificial es capaz de analizar una gran cantidad de datos mediante métodos estadísticos específicos en busca de patrones que puedan usarse como base para la clasificación, predicción, toma de decisiones, modelado, etcétera.

El algoritmo separa muestras al azar, determina cuál será el grupo de entrenamiento y el grupo ciego, y luego lleva a cabo pruebas y validación. Al final, nos dice si con ese número de muestras fue posible obtener un conjunto metabólico marcadores capaces de identificar a los pacientes infectados por Zika“, explicó Catharino.

Cada nuevo conjunto de datos de pacientes alimentados en el programa mejora su capacidad de aprendizaje y lo hace más sensible, continuó. En el caso de Zika, el estudio financiado por FAPESP estableció un panel de 42 biomarcadores como una clave específica para identificar el virus. 12 de estos fueron encontrados por el algoritmo como altamente prevalentes en la sangre de pacientes que arrojaron resultados positivos para la enfermedad.

En esta plataforma, no es importante saber mucho sobre cada una de las moléculas individuales que sirven como marcadores de la infección. Es el conjunto lo que importa y que nos dirá con un alto nivel de precisión si estamos observando al zika. Además, incluso si el virus muta, el programa se adapta y cambia también. No es una metodología estática“, afirmo Catharino.

El grupo UNICAMP actualmente está realizando pruebas para evaluar la capacidad de la plataforma para diagnosticar enfermedades sistémicas causadas por hongos. También planean probar qué tan bien detecta enfermedades bacterianas y genéticas. Anderson de Rezende Rocha, profesor del Instituto de Informática de la misma universidad (IC-UNICAMP), está colaborando en la investigación.

En las nubes de datos

En teoría, cualquier laboratorio equipado con un espectrómetro de masas podría usar la nueva plataforma de diagnóstico desarrollada en UNICAMP. Los espectrómetros de masas se utilizan de forma rutinaria en procedimientos tales como medir la vitamina D y monitorear puntos en la sangre de los recién nacidos para detectar enfermedades metabólicas a través de la prueba del talón.

Nuestra propuesta es hacer que la plataforma esté disponible en la nube -de datos-, de modo que pueda descargarse a cualquier espectrómetro de masas en cualquier parte del mundo. El análisis de datos se puede realizar en línea. Aún no se ha definido si sería gratuito o pagado“, dijo Catharino.

Referencias

  1. ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,; A Machine Learning Application Based in Random Forest for Integrating Mass Spectrometry-Based Metabolomic Data: A Simple Screening Method for Patients With Zika Virus; Frontiers in Bioengineering and Biotechnology; Bioeng. Biotechnol., 11 April 2018; Fecha de publicación 11/04/2018; DOI: 10.3389/fbioe.2018.00031; Disponible en el URL : ; Consultado el 17/06/2018
Imagen cortesía de autobus


Referencias

  1. ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,; A Machine Learning Application Based in Random Forest for Integrating Mass Spectrometry-Based Metabolomic Data: A Simple Screening Method for Patients With Zika Virus; Frontiers in Bioengineering and Biotechnology; Bioeng. Biotechnol., 11 April 2018; Fecha de publicación 11/04/2018; DOI: 10.3389/fbioe.2018.00031; Disponible en el URL : ; Consultado el 17/06/2018
Avatar

Escrito por

Redacción, Plenilunia Sociedad Civil Fundada en el año de 2004, Plenilunia es una Sociedad Civil cuyo objetivo es fomentar el bienestar y la salud integral de la mujer.

, , , , , , , , , , , , , , , , , , , , , ,

Temas relacionados

Tamaño de tipografía
Ajustar contraste