Un algoritmo informático para predecir qué pacientes necesitan una prueba genética

Investigadores de la Universidad de Vanderbilt han desarrollado una herramienta bioinformática que utiliza datos de historiales médicos electrónicos e identifica qué pacientes podrían beneficiarse de la realización de pruebas genéticas.

Las enfermedades raras representan un reto importante para la medicina. Por una parte, su característica definitoria, la poca frecuencia con la que se presenta cada una de forma individual, dificulta que los profesionales clínicos puedan reconocerlas. Por otra, los pacientes con este tipo de enfermedades a menudo muestran síntomas clínicos heterogéneos, que limitan su diagnóstico.

Un elemento esencial en el diagnóstico de gran parte de las enfermedades raras es la realización de pruebas genéticas. De hecho, aproximadamente el 80% de las enfermedades raras tienen base genética. En este contexto, muchos pacientes pueden beneficiarse de diferentes tipos de pruebas, que identifican la causa de su enfermedad y en algunos casos apuntan a posibles tratamientos terapéuticos.

Sin embargo, no todos los pacientes portadores de mutaciones patológicas son seleccionados para realizarse un análisis de ADN. En ocasiones, por ejemplo, no existe una sospecha clínica de enfermedad genética. El equipo de Douglas Ruderfer de la Universidad de Vanderbilt en EE. UU. ha creado una herramienta que facilita la identificación de los pacientes con enfermedades raras para los que hay una probabilidad elevada de presentar una condición genética.

“Los pacientes con enfermedades raras genéticas a menudo se enfrentan a años de odisea diagnóstica antes de realizarse una prueba genética, si es que consiguen una”, destaca Douglas Ruderfer, profesor en el Centro Médico de la Universidad de Vanderbilt. “Nuestro trabajo podría contribuir a una aproximación más sistemática y oportuna, alertando a los profesionales que proporcionan servicios clínicos de los pacientes que podrían beneficiarse de una prueba genética”.

El equipo de investigadores ha desarrollado un modelo predictivo que analiza historiales clínicos electrónicos e identifica patrones clínicos concretos que apuntan a una enfermedad de origen genético. La idea base de este modelo que defienden los autores es que, aunque cada enfermedad tenga su particular colección de síntomas característicos, la mayoría de las enfermedades genéticas muestran patrones de síntomas recurrentes, que tienen características comunes.

En un primer paso, los investigadores utilizaron como entrenamiento para el algoritmo predictivo en desarrollo dos tipos de datos: los correspondientes a los historiales electrónicos de 2286 pacientes a los que se había realizado un microarray cromosómico (un tipo de prueba genética que analiza la ganancia o pérdida de material cromosómico) y los correspondientes a 9144 controles que no tenían historia de pruebas genéticas. A partir de este análisis, el equipo obtuvo un modelo que muestra una elevada capacidad para predecir qué pacientes deberían realizarse pruebas genéticas.

Los investigadores han validado la herramienta bioinformática predictiva en una muestra adicional con más de 170 000 pacientes y han confirmado su capacidad para identificar también alteraciones patológicas que afectan al número de fragmentos de copias de ADN. Además, en esta segunda muestra, el equipo ha estimado que un 19% de los pacientes (más de 2000 en total) presenta alteraciones genéticas potencialmente patogénicas que podrían llevar a un diagnóstico.

Los resultados del trabajo indican que es posible capturar patrones de síntomas asociados a enfermedades genéticas que faciliten la identificación de aquellos pacientes que podrían obtener un diagnóstico tras realizarse pruebas genéticas. Además, proporcionan una herramienta que podría complementar y hacer más sencillo el trabajo de los profesionales médicos en el diagnóstico de las enfermedades genéticas.

“El modelo predictivo del equipo ha mostrado tener un mejor rendimiento que el desempeño clínico actual en identificar a los pacientes que necesitan ser analizados más rápidamente y en mayor números”, señala Josh Peterson, director del Centro de Medicina de Precisión del Centro Médico de la Universidad de Vanderbilt. “Crucialmente el modelo también demostró ser traspasable a otro sistema de salud. Los resultados de este artículo se alinean muy bien con el impulso del Centro Médico de la Universidad de Vanderbilt para utilizar datos científicos para mejorar el diagnóstico de los síndromes genómicos”.

Los autores reconocen ciertas limitaciones en el trabajo, como por ejemplo el hecho de que la herramienta bioinformática ha sido entrenada únicamente con cierto tipo de pacientes (menores de 20 años, para los que suele haber sospecha de anomalías cromosómicas), lo que podría comprometer su eficacia en otras enfermedades. A este respecto, los investigadores confían en ampliar las capacidades del algoritmo con más datos genéticos.

 

Fuente: Genotipia

 

Referencia: Morley, T.J., Han, L., Castro, V.M. et al. Phenotypic signatures in clinical data enable systematic identification of patients for genetic testing. Nat Med 27, 1097–1104. 2021. https://doi.org/10.1038/s41591-021-01356-z

Artículo orginal: Predictive model identifies patients for genetic testing. https://news.vumc.org/2021/06/03/predictive-model-identifies-patients-for-genetic-testing/

 

Imagen: freepik.es