Un equipo de investigación de la Universidad de Málaga (UMA) en colaboración con expertas de la Universidad Católica de Valencia San Vicente Mártir ha desarrollado un sistema 'inteligente' que analiza los genes implicados en enfermedades como la fibromialgia o la encefalomielitis miálgica, conocida también como síndrome de fatiga crónica. Esta herramienta innovadora emplea una estrategia de consenso que no se limita a un solo algoritmo.
El sistema compara los resultados de 26 algoritmos diferentes y busca el punto en común más fiable, como si reuniera a un grupo de expertos para tomar la decisión más acertada entre todos. A diferencia de las investigaciones habituales que solo prueban con datos simulados, BIO-Insight va más allá y aplica su inteligencia artificial a datos reales de pacientes.
Financiación y objetivos del proyecto
Este trabajo está financiado por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía y fondos propios de la UMA, además de contar con apoyo del Ministerio de Ciencia e Innovación. El objetivo es conseguir una imagen mucho más precisa de cómo se relacionan los genes en enfermedades complejas como la fibromialgia o la encefalomielitis miálgica.
"Este enfoque no solo mejora la fiabilidad de los resultados, sino que también ayuda a identificar patrones y mecanismos clave para comprender patologías complejas y avanzar hacia tratamientos más eficaces", ha explicado a la Fundación Descubre Adrián Segura, investigador de la Universidad de Málaga. La herramienta facilita el desarrollo de tratamientos más eficaces y personalizados.
Avances en biomarcadores terapéuticos
Este enfoque puede acelerar la identificación de biomarcadores y dianas terapéuticas, es decir, "señales" biológicas que indican la presencia o ausencia de una enfermedad. Esto supone un avance significativo en el diagnóstico y tratamiento de patologías complejas como las enfermedades autoinmunes, neurodegenerativas o cardiovasculares.
El estudio, titulado 'Multifaceted evolution focused on maximal exploitation of domain knowledge for the consensus inference of Gene Regulatory Networks' y publicado en Computers in Biology and Medicine, explica que las redes genéticas son como 'mapas' que muestran cómo los genes se activan o desactivan. Por ejemplo, cuando el organismo detecta una infección, se 'encienden' genes relacionados con el sistema inmunitario.
Funcionamiento del algoritmo evolutivo
BIO-Insight es un algoritmo evolutivo, un tipo de inteligencia artificial que "aprende" y mejora con el tiempo y el uso, de forma similar a un cerebro humano. La función de esta herramienta es descubrir patrones de activación en estos 'mapas' que podrían estar detrás del desarrollo de patologías.
Uno de los principales retos al usar distintos algoritmos es que no todos ofrecen el mismo rendimiento con cualquier tipo de datos. Algunos funcionan mejor que otros según las características específicas de la información que analizan, como un 'match' en una aplicación de citas donde hay algoritmos que funcionan mejor con ciertas bases de datos.
Combinación de múltiples técnicas
BIO-Insight combina la información de hasta 26 algoritmos que se aplican habitualmente como técnicas de análisis genético, como las redes neuronales o el machine learning. Mejora su estrategia de consenso para adaptarse a cada base de datos específica.
"Gracias a esto, el investigador no tiene que adivinar por dónde empezar ni probar técnica por técnica, sin saber cuál se ajusta mejor a sus datos. BIO-Insight ofrece directamente una solución combinada, ajustada a cada caso, que ya ha demostrado ser más precisa que usar cada método por separado", ha explicado Segura.
Aplicación en enfermedades complejas
Una de las grandes ventajas de BIO-Insight es que mantiene la rigurosidad matemática individual de cada uno de los 26 algoritmos que agrupa y la enriquece con información biológica real gracias a la inteligencia artificial. Se puede extender su uso al estudio de enfermedades como la fibromialgia, encefalomielitis miálgica e incluso el diagnóstico dual de ambas patologías.
Estas son patologías complejas y crónicas que actualmente carecen de biomarcadores validados, lo que dificulta su diagnóstico y tratamiento. Los expertos proponen una herramienta 'personalizada' que podría tener utilidad tanto en el ámbito de la investigación como en la mejora de la toma de decisiones médicas.
Próximos pasos de la investigación
El siguiente paso del equipo investigador será aplicar técnicas más avanzadas de inteligencia artificial a nuevos grupos de pacientes con fibromialgia y síndrome de fatiga crónica. Además, quieren ampliar el uso de esta tecnología a otras enfermedades complejas como el Covid persistente, que comparte síntomas con las otras dos.
El objetivo es descubrir nuevos biomarcadores y avanzar hacia tratamientos más personalizados. Para ello, planean colaborar con otros centros de investigación y hospitales, con la idea de llevar estos avances científicos a la práctica médica diaria.
(EUROPA PRESS) Nota: Este artículo ha sido editado con la ayuda de Inteligencia Artificial.
