Descifrar la historia de las infecciones y enfermedades del sistema inmunitario de un individuo. Esto es lo que un innovador sistema de inteligencia artificial (AI) puede hacer según el aprendizaje automático, llamado Maladdrina (Aprendizaje automático para el diagnóstico inmunológico), que ocurre en un estudio publicado en «Science».

Según sus creadores, esta herramienta tiene un gran potencial para diagnosticar con precisión los trastornos autoinmunes, las infecciones virales y las respuestas de la vacuna.

Mal-ID es capaz de descifrar la historia del sistema inmune de una persona y sus infecciones pasadas, según un estudio reciente. El avance, los investigadores de escritura, representa una herramienta poderosa que probablemente diagnostica enfermedades autoinmunes, infecciones virales y respuestas de vacuna.

Los métodos clínicos tradicionales para diagnosticar enfermedades autoinmunes y otras patologías inmunológicas generalmente se basan en una combinación de examen físico, historia del paciente y diversas pruebas de laboratorio para detectar anormalidades celulares o moleculares.

Sin embargo, este proceso puede ser largo y complicado por diagnósticos erróneos iniciales y síntomas ambiguos. Además, estas estrategias hacen un uso limitado de los datos de las células BCR (BCR) y las células T (TCR) del sistema inmune adaptativo del paciente.

Cuando el cuerpo está expuesto a patógenos, vacunas u otros estímulos antigénicos, los repertorios de BCR y TCR sufren modificaciones por expansión clonal, mutaciones somáticas y reconfiguración selectiva de poblaciones de células inmunes.

La secuenciación de estos receptores podría convertirse en una herramienta de diagnóstico completa, capaz de detectar simultáneamente enfermedades infecciosas, autoinmunes y mediadas por el sistema inmune en una sola prueba. Sin embargo, la confiabilidad y aplicabilidad de esta técnica para clasificar las enfermedades aún no se han establecido completamente.

Para asumir este desafío, los investigadores de la Universidad de Stanford han desarrollado Mal-ID, un sistema innovador basado en tres modelos de aprendizaje automático que analizan conjuntos de datos inmunológicos para identificar los modelos característicos de enfermedades infecciosas e inmunológicas y respuestas a las vacunas.

Para mejorar

Los investigadores han capacitado a Mal-ID utilizando datos de BCR y TCR para 593 personas, incluidos pacientes con diabetes Covid-19, VIH y Tipo 1, así como personas vacunadas contra la gripe y los sujetos sanos.

Los resultados han demostrado que Mal-ID logró distinguir seis estados patológicos en 550 muestras emparejadas de BCR y TCR, alcanzando una puntuación multicada de 0.986, lo que indica una precisión excepcional en la clasificación. Este parámetro refleja la capacidad del modelo para priorizar adecuadamente los casos positivos sobre los negativos en todas las comparaciones de la enfermedad.

Aunque el modelo ha demostrado su capacidad para marcar la diferencia entre pacientes con COVVI-19, VIH, lupus, tipo 1 y diabetes sana, que muestra su potencial como una herramienta de diagnóstico de amplio rango, los investigadores advierten que él es Refinar necesarios refinar la metodología por integración Información clínica antes de que puedan usarse con confianza en entornos médicos.

Este avance sugiere un futuro prometedor para el diagnóstico de enfermedades inmunes por inteligencia artificial, optimización de la precisión y la reducción de los tiempos de diagnóstico en los pacientes.

Para José Gómez Rial, del complejo hospitalario universitario de Santiago de compostela (CHUS), el estudio representa un avance significativo en la integración de la inteligencia artificial en el diagnóstico inmune, al aplicar el aprendizaje automático sobre las secuencias de las secuencias de los receptores de células inmunes para clasificar las malas múltiples con múltiples intensiones con múltiples Alta precisión.

En su opinión, este enfoque implica un cambio de paradigma en el diagnóstico, porque una evaluación inmune tradicional se basa en la detección de anticuerpos y biomarcadores indirectos. Por otro lado, «esta tecnología aprovecha la inmensa diversidad del repertorio inmune para extraer datos muy específicos», explica el Centro de Medios de Ciencias.

Sin embargo, agrega que «su implementación en la práctica clínica requerirá estudios adicionales para evaluar su reproducibilidad en diferentes entornos y su integración con otros marcadores de datos inmunológicos y clínicos. Si bien sigo refinando nuestra capacidad de interpretar respuestas inmunes complejas, es esencial que los inmunólogos dirijan su implementación para garantizar su aplicación segura y efectiva en la toma de decisiones clínicas.