Aprenden por sí mismos analizando “big data” y ayudan a los médicos a tomar mejores decisiones. Hablamos de robots biomédicos, herramientas computacionales con cierto grado de autonomía, como las que recientemente ha desarrollado un equipo investigador de la Universidad de Oviedo. En concreto, los nuevos robots que ha diseñado el grupo de problemas inversos del Departamento Matemático de esta universidad, podrían emplearse de forma eficaz en el estudio y en el tratamiento de todo tipo de enfermedades raras, así como afecciones neurodegenerativas e incluso el cáncer.
Los robots en cuestión son capaces de predecir con precisión los fenotipos de toda clase de enfermedades
La investigación en cuestión se llama “Proyecto Finisterrae” y sus resultados, obtenidos en colaboración con la empresa estadounidense Biomodels y el Brigham and Women Hospital de Boston, han sido publicados en la revista Journal of Computational Biology. Un estudio que también recoge el trabajo llevado a cabo por el investigador Enrique J. Andrés Galiana para su tesis doctoral, presentada el pasado 22 de julio. Los robots en cuestión son capaces de predecir con precisión los fenotipos de toda clase de enfermedades, algo que, según sus responsables, debería suponer una gran ayuda en la búsqueda de dianas terapéuticas y nuevos medicamentos, como explica el profesor Juan Luis Fernández Martínez en un vídeo proporcionado por la universidad.
PREDICIENDO FENOTIPOS
Dentro del campo de la biología, el fenotipo lo componen aquellos rasgos de un organismo que se pueden conocer mediante la observación de su apariencia externa, incluyendo su forma, comportamiento o fisiología, entre otras muchas características. Y el genotipo sería todo aquello que sólo se puede distinguir observando estrictamente el ADN.
Estas nuevas herramientas serían muy útiles para encontrar medicamentos huérfanos e igualmente ayudarían a la hora de seleccionar los fármacos que se ajustan mejor a las necesidades de cada paciente
Como se ha señalado anteriormente, estos nuevos robots permiten predecir los fenotipos de las patologías estudiando la información genética que se les proporcione, tanto en investigación clínica como traslacional. De esta manera, como señala Fernández Martínez, estas nuevas herramientas serían muy útiles para encontrar medicamentos huérfanos e igualmente ayudarían a la hora de seleccionar los fármacos que se ajustan mejor a las necesidades de cada paciente.
En la nota enviada por la Universidad de Oviedo, el investigador Andrés Galiana especifica que los robots biomédicos consisten en “un conjunto de metodologías, que vienen de la matemática aplicada, de la estadística y de las ciencias de la computación, y que sirven para analizar dinámicamente grandes conjuntos de datos”, el llamado 'big data', “para describir nuevo conocimiento y generar nuevas hipótesis de trabajo que ayuden a médicos y investigadores” en la toma de decisiones.
Sobre esto mismo, el profesor Fernández Martínez celebra que los robots son capaces de “aprender de datos complejos” y suponen una gran ayuda para “la medicina de precisión”. En este sentido, explica que la tarea esencial de estos programas es “simplificar la complejidad y hacer el big-data pequeño” y es que, “cuando uno comprende el problema hallando las variables que lo describen, todo se hace más sencillo”, algo que “parece Magia Borrás, pero no lo es, es parsimonia".
APLICADOS EN TRES ENFERMEDADES CONCRETAS
Para entender correctamente de qué son capaces estos robots, conviene conocer los esperanzadores resultados que se han obtenido en el estudio de tres enfermedades determinadas. Estas son la miositis por cuerpos de inclusión -patología muscular bastante rara-, la esclerosis lateral amiotrófica (ELA) y la leucemia linfocítica crónica, “aunque la metodología es aplicable a cualquier otro tipo de patología”, como bien matiza Fernández Martínez.
“En los tres casos, los robots han deducido rutas genéticas muy interesantes que abren posibilidades de diseños de nuevas terapias”
“En los tres casos”, los robots “han deducido rutas genéticas muy interesantes que abren posibilidades de diseños de nuevas terapias”, declara Fernández Martínez, quien también insiste en que “son datos muy complejos, suele haber menos pacientes que la dimensionalidad de los datos” y por eso “es muy importante analizar la incertidumbre de los clasificadores” que ellos mismos han diseñado, “para tomar decisiones con incertidumbre”.La miositis por cuerpos de inclusión (MCI) consiste en un trastorno inflamatorio y degenerativo de los músculos, el cual progresa muy lentamente y se manifiesta en torno a los 50 años de edad. Los datos para el estudio de esta enfermedad fueron proporcionados por el Brigham and Women Hospital de Boston, y a partir de ellos se descubrió el importante papel que juegan determinados genes en el desarrollo de la afección, así como la influencia de distintas bacterias y virus.
Lo que realmente ocurre en esta enfermedad, según señalan los investigadores, es que el sistema inmunitario se trastorna, y éste empieza a confundir las proteínas propias del paciente con aquellas que ha generado el agente invasor.
En lo referente a la ELA, enfermedad degenerativa que ocasiona una parálisis progresiva de los músculos hasta provocar la muerte, las nuevas herramientas, gracias a los datos proporcionados por la Asociación Americana de ELA, pudieron constatar la enorme importancia que tienen en esta afección las caspasas. Se trata de un conjunto de proteínas encargadas del mecanismo de muerte celular programada. Unas proteínas que, en animales transgénicos, han sido vinculadas a la mutación del llamado gen SOD1, como bien se recoge en la nota.
Por último, en el estudio de la leucemia linfocítica crónica (también conocida como CLL en sus siglas en inglés), tipo de cáncer donde las células cancerosas se desarrollan en la médula ósea y después se propagan a otras partes del cuerpo a través de la sangre, los datos obtenidos revelaron que la lipoproteína lipasa juega un papel fundamental. Hablamos de una enzima la cual descompone los triglicéridos en ácidos grasos libres y glicerol.
No obstante, aunque los resultados parecen prometedores, Fernández Martínez aclara que el conjunto de hallazgos obtenido gracias a los robots necesita todavía “confirmación y refrendo clínico”, debido al “gran carácter indeterminado que poseen estos datos”.
“UNA CAJA FUERTE CON DIFERENTES APERTURAS”
Sobre el desarrollo de estas nuevas herramientas, en el vídeo difundido Fernández Martínez señala que, en primer lugar, colaboraron “con el doctor Steve Sonis, de la empresa Biomodels en Boston”, quien “también es profesor de la Universidad de Harvard” y es básicamente la persona que les “sugirió ya hace tiempo los retos importantes en este tipo de técnicas”.
Lo primero que hay que hacer es “un estudio del estado del arte”, explica el profesor, “entender cuáles son los problemas y cuáles son los nuevos retos”, y a partir de ahí se diseñan “algoritmos con ordenador y técnicas matemáticas, ultrasencillas en general, que son capaces de buscar, de dar predicciones y, sobre todo, de hacer que esos datos se entiendan por parte de los investigadores”.
Fernández Martínez hace un símil, indicando que “es como una caja fuerte, que tiene diferentes aperturas” difíciles de ver, y cuando uno es “capaz de ver y analizar esa complejidad, también se entienden cuáles son las posibles vías terapéuticas en el diseño de medicamentos; pero las aplicaciones son muy amplias”.
El equipo está trabajando “con chips o microarrays que miden el nivel de expresión de los genes monitorizados en el ARN en diferentes células del organismo”
A la hora de desarrollar los programas, los investigadores se han encontrado con varias dificultades, destacando entre todas ellas el gran carácter indeterminado que poseen los datos relacionados con la predicción de fenotipos, como el profesor no se cansa de recordar."Encontrar el conjunto de genes responsables de un determinado fenotipo es como buscar una aguja en un pajar”, insiste Fernández Martínez, quien añade que están trabajando “con chips o microarrays que miden el nivel de expresión de los genes monitorizados en el ARN en diferentes células del organismo” y también utilizan “un número alto de sondas, del orden de 50.000, mientras que el de pacientes no excede de la centena".
Mientras buscaban las distintas redes genéticas relacionadas con el desarrollo de las enfermedades estudiadas, los investigadores establecieron dos grupos distintos de genes implicados, los cuales trabajan en conjunto. Por un lado están los “headers”, los cuales explican gran parte del fenotipo, y por otro están los “helpers” o ayudantes. Fernández Martínez indica que es precisamente a los headers a los que deberían ir dirigidos los tratamientos.
En los próximos meses, los responsables publicarán los resultados de otros estudios que han estado llevando a cabo con los mismos robots, analizando enfermedades neurodegenerativas como el párkinson o el alzhéimer, e incluso han realizado otra investigación sobre toxicidades en fármacos.