Creen un model que anticipa l'aparició d'un miler de malalties a 10 anys vista

BarcelonaUna de les fixacions en medicina és anticipar-se a l'aparició dels símptomes de qualsevol malaltia perquè el pronòstic del pacient sigui molt més bo. Per exemple, si es comença a tractar algú amb un risc molt alt de patir un infart es poden minimitzar les seqüeles o fins i tot evitar aquesta malaltia cardiovascular abans que aparegui. O si es detecta un càncer en estadis molt inicials, el pacient haurà de fer tractaments menys agressius i la seva supervivència serà més bona que quan el tumor s'identifica en fases més avançades o ha fet metàstasi i s'ha estès a altres zones. Per això, la comunitat científica fa un esforç molt important per trobar nous mecanismes de detecció precoç que millorin els actuals. Ara un equip d'investigadors internacional ha desenvolupat un mètode per predir el risc i el moment d'aparició de més d'un miler de malalties i avançar quins seran els resultats de salut amb més de deu anys d'anticipació.

"Els esdeveniments mèdics sovint segueixen patrons previsibles", assegura Tom Fitzgerald, un dels autors de l'estudi i investigador de l'Institut Europeu de Bioinformàtica de l'EMBL (EMBL-EBI), que ha liderat aquesta recerca juntament amb el Centre Alemany de Recerca sobre el Càncer (DKFZ) i la Universitat de Copenhaguen. Seguint aquesta premissa de Fitzgerald, els autors d'aquesta investigació, publicada aquest dimecres a la revista Nature, han entrenat un model d'intel·ligència artificial que, utilitzant registres mèdics, és capaç d'estimar a gran escala com pot canviar la salut humana al llarg del temps.

L'equip internacional ha fet la seva investigació mitjançant les dades de més de 400.000 pacients provinents del UK Biobank, una iniciativa que conté dades genètiques i sanitàries de mig milió de britànics i que és una de les bases informàtiques més potents del continent europeu. Ara, després de posar a prova la nova tecnologia, han obtingut uns resultats molt prometedors. De fet, el model és "especialment bo" quan la malaltia té patrons de progressió clars i consistents, com alguns càncers, els infarts de miocardi i les sèpsies, que són una reacció molt extrema a una infecció a la sang que pot ser mortal.

"Al modelar com es desenvolupen les malalties amb el temps, podem començar a explorar quan emergeixen certs riscos i com planificar millor les intervencions primerenques. És un gran pas cap a enfocaments més personalitzats i preventius de l'atenció mèdica", sosté Ewan Birney, director executiu interí de l'EMBL. Així i tot, cal tenir en compte que el model que han desenvolupat és "menys fiable" a l'hora de predir l'aparició de malalties subjectes a més variables, com poden ser els trastorns de salut mental o les complicacions derivades de l'embaràs, ja que sovint estan vinculades a esdeveniments del dia a dia que són imprevisibles. Amb tot, els investigadors recalquen que, tal com passa amb les previsions meteorològiques, aquest nou model d'IA ofereix probabilitats, no certeses, i encara no està a punt per a l'ús clínic.

Probabilitats de desenvolupar certes malalties

Després d'entrenar el model d'IA amb les dades dels pacients, els seus diagnòstics i els seus estils de vida, els autors l'han posat a prova amb dades d'1,9 milions de persones. Aclareixen que no prediu exactament què li passarà a algú, però proporciona estimacions "ben calibrades" de la probabilitat que apareguin algunes malalties o factors de risc per desenvolupar-les. A més, remarquen que les prediccions a curt termini són més precises que les de llarg termini. Per exemple, el model prediu diferents nivells de risc d'infart, i en la franja d'edat dels 60 als 65 anys, alguns homes tenen una probabilitat de 4 entre 10.000 per any, mentre que d'altres tenen aproximadament 1 entre 100 depenent dels seus diagnòstics previs i el seu estil de vida (si fumen o no fan esport, entre altres hàbits).

A més, els riscos augmenten, de mitjana, a mesura que les persones envelleixen. Tot i els bons resultats, els autors avisen que, com qualsevol model d'IA, té limitacions. Per exemple, han utilitzat dades principalment de persones d'entre 40 i 60 anys i admeten que els esdeveniments de salut en la infància i adolescència estan poc representats. Així mateix, el model també conté "biaixos demogràfics" perquè les dades que han utilitzat no contenen prou persones de tots els grups ètnics. Per tot plegat, els investigadors insisteixen que el model no està a punt per a l'ús clínic. Això sí, consideren que els resultants ja poden ajudar a entendre com es desenvolupen i progressen les malalties amb el temps, explorar com l'estil de vida i les malalties prèvies afecten el risc a llarg termini de desenvolupar-ne d'altres i també a simular resultats de salut amb dades artificials de pacients en situacions en què és difícil obtenir dades reals.

"Aquest és l'inici d'una nova manera d'entendre la salut humana i la progressió de les malalties", sosté Moritz Gerstung, cap de la divisió d'IA en Oncologia al DKFZ. L'expert creu que models com aquest podran ajudar a "personalitzar l'atenció i anticipar necessitats sanitàries a gran escala" en un futur, per la qual cosa defensa que cal entrenar aquestes eines amb dades més representatives. Amb poblacions cada cop més envellides i un augment de les malalties cròniques, Gerstung argumenta que anticipar les necessitats sanitàries de la ciutadania ajudarà els sistemes de salut a planificar millor i a assignar recursos amb més eficiència, però abans cal més recerca i un marc normatiu sòlid per al seu ús clínic.

El professor de Neuroimatge Genòmica i intel·ligència artificial al King's College de Londres Gustavo Sudre –que no ha participat en l'estudi–  considera que aquesta recerca és un pas important perquè els models d'IA en medicina siguin escalables i interpretables. "És encoratjador veure que l'arquitectura del model s'ha dissenyat deliberadament per donar cabuda a tipus de dades més riques, com ara biomarcadors, imatges i fins i tot genòmica", destaca en declaracions a Science Media Center (SMC). Amb tot, considera que aquest model està "ben posicionat per evolucionar cap a una eina de medicina de precisió veritablement multimodal".