La esquistosomiasis, una infección parasitaria que afecta a unos 250 millones de personas en 78 países, especialmente en África y América Latina, sigue siendo una de las llamadas "enfermedades tropicales desatendidas". Este grupo de enfermedades afecta mayormente a poblaciones en áreas de bajos recursos y rara vez recibe la atención científica necesaria para mejorar los métodos de diagnóstico y tratamiento, a pesar de las graves complicaciones de salud pública que representan.
En el caso de la esquistosomiasis, la dificultad para detectar la infección en sus primeras etapas o cuando el contagio es leve ha supuesto un obstáculo para su control y erradicación. Sin un diagnóstico oportuno y eficaz, la enfermedad puede llevar a complicaciones en órganos vitales como la vejiga y el hígado. Ahora, un equipo de investigadores, entre los que se encuentra Jessica Fairley, especialista en enfermedades infecciosas y profesora asociada en la Facultad de Medicina de la Universidad Emory, ha logrado avances significativos en el diagnóstico temprano de la esquistosomiasis.
Los investigadores identifican patrones de biomarcadores únicos asociados con la infección activa, lo que podría permitir un diagnóstico más preciso y temprano
Publicados en la revista Science Translational Medicine , sus hallazgos proponen el desarrollo de una prueba de anticuerpos que, basada en la tecnología del aprendizaje automático, permite detectar la infección con mayor sensibilidad que los métodos tradicionales. Este avance no solo facilitaría la detección en fases tempranas, sino que también podría diferenciar entre infecciones activas y pasadas, una de las principales limitaciones de los análisis actuales.
El trabajo del equipo, que utilizó una técnica de aprendizaje automático interpretable, analizó muestras de pacientes de Brasil y Kenia. Los investigadores identifican patrones de biomarcadores únicos asociados con la infección activa, lo que podría permitir un diagnóstico más preciso y temprano. Fairley y sus colegas consideran que estas "firmas de enfermedad" podrían ser una herramienta clave para el diseño de futuras pruebas clínicas que sean rápidas y efectivas, incluso en casos de baja carga parasitaria.
La colaboración entre Jessica Fairley y Aniruddh Sarkar, ingeniero biomédico de la Universidad Emory y el Instituto Tecnológico de Georgia, ha sido esencial en el desarrollo de este nuevo método. Sarkar, cuyo trabajo se centra en el comportamiento de fluidos a escala micro y nanométrica, ha aplicado sus conocimientos sobre chips electrónicos y biología celular para diseñar herramientas de diagnóstico que funcionen a un nivel molecular. Junto con Fairley, combinó su experiencia en ingeniería con el conocimiento clínico de las enfermedades infecciosas, lo que les permitió descubrir marcadores biológicos de esquistosomiasis previamente no caracterizados.
El método de diagnóstico actual más utilizado para detectar esquistosomiasis es la visualización microscópica de huevos del parásito en muestras biológicas, un proceso laborioso y que, en ocasiones, no detecta infecciones tempranas. Sin embargo, la plataforma de aprendizaje automático desarrollada por Sarkar y el especialista en esta tecnología, JishnuDas de la Universidad de Pittsburgh, utiliza patrones complejos de biomarcadores en vez de la cuantificación de un solo marcador, lo cual podría hacer que el diagnóstico temprano sea mucho más confiable.
“Cuando se observan estos cientos de mediciones con el ojo humano, incluso si se representan en gráficos, encontrar patrones resulta un desafío”, señala Sarkar. “Ahí es donde las nuevastecnologías de análisis de datos nos permiten enfocar los datos relevantes”.
“Cuando se observan estos cientos de mediciones con el ojo humano, incluso si se representan en gráficos, encontrar patrones resulta un desafío”
El equipo tiene como objetivo expandir esta prueba de anticuerpos hasta el punto de que se convierta en una herramienta accesible y eficiente en las áreas rurales donde la esquistosomiasis es más prevalente. Fairley confía en que el uso de estas tecnologías pueda suponer un cambio significativo en la salud pública mundial y en la lucha contra enfermedades olvidadas.
“La colaboración con especialistas en aprendizaje automático y bioingeniería demuestra el valor de una perspectiva multidisciplinar. Nos permite desarrollar herramientas de diagnóstico que pueden hacer una diferencia tangible para poblaciones desatendidas”, afirma Fairley. “Esperamos que este enfoque innovador inspire a la comunidad científica a prestar más atención a las enfermedades desatendidas y a contribuir de forma más significativa a mejorar la salud global”, concluye.