Investigadores estadounidenses desarrollaron ALADYNOULLI, un marco estadístico que identificó 21 patrones biológicos compartidos entre 348 enfermedades al analizar más de 683 mil personas en tres biobancos independientes
Un equipo de investigadores de instituciones afiliadas a Harvard, entre ellas el Massachusetts General Hospital, el Broad Institute del MIT y Harvard y el Dana-Farber Cancer Institute, presentó en Nature un modelo estadístico denominado ALADYNOULLI, diseñado para analizar de forma conjunta los historiales médicos electrónicos y los datos genéticos de las personas con el fin de anticipar el riesgo de desarrollar distintas enfermedades a lo largo de la vida.
A diferencia de los métodos convencionales, que suelen estudiar cada padecimiento de forma aislada, el modelo integra información longitudinal de diagnósticos, la edad y el riesgo poligénico para identificar patrones latentes que capturan cómo distintas enfermedades tienden a presentarse en conjunto dentro de una misma persona. El equipo aplicó la herramienta a tres biobancos independientes, el UK Biobank, Mass General Brigham y All of Us, con una muestra combinada de más de 683 mil personas y hasta 52 años de seguimiento clínico.
“Descubrimos que ALADYNOULLI podía reducir historiales clínicos complejos de 348 enfermedades a 21 patrones reproducibles y latentes: patrones ocultos que capturan los procesos subyacentes de la enfermedad. Al aplicarlo a datos de tres biobancos independientes que incluían a más de 683 mil personas con hasta 52 años de seguimiento, estos patrones mostraron una gran similitud entre los conjuntos de datos y reprodujeron procesos de enfermedad que ya conocemos y comprendemos”, Dra. Sarah Urbut, Mass General Brigham.
El análisis identificó 21 patrones biológicos, llamados firmas, que se replicaron de manera consistente entre los tres bancos de datos, con una preservación media del 80% en su composición. Estas firmas agrupan enfermedades reconocibles desde el punto de vista clínico, entre ellas procesos cardiovasculares, metabólicos, pulmonares, psiquiátricos, musculoesqueléticos y oncológicos. Los autores destacan que los patrones identificados coinciden con la biología ya establecida de ciertas condiciones: las personas portadoras de hipercolesterolemia familiar mostraron un enriquecimiento en la firma cardiovascular, mientras que quienes presentan hematopoyesis clonal de potencial indeterminado, una alteración sanguínea relacionada con el envejecimiento, se asociaron con la firma de inflamación.
“Al agrupar información de diferentes enfermedades y a lo largo del tiempo, ALADYNOULLI puede predecir dinámicamente los resultados de salud futuros de un paciente, al tiempo que ayuda a los investigadores a descubrir la biología subyacente a las diferentes características de las enfermedades”, Dra. Urbut
Dado que el modelo abarca cientos de afecciones a la vez y se actualiza a medida que evoluciona el historial del paciente, también refleja cómo se experimenta realmente la medicina. Por ejemplo, como el cuidado integral de la persona, cuya salud evoluciona con el tiempo. Y como el modelo es transferible entre sistemas de salud, estos beneficios no dependen de que cada hospital tenga acceso a una enorme base de datos genéticos.
Uno de los hallazgos centrales del estudio es que estas firmas capturan relaciones temporales esperadas entre enfermedades sin haber sido programadas explícitamente para ello. Por ejemplo, el modelo detectó que la hipercolesterolemia suele preceder al infarto de miocardio dentro de la firma cardiovascular isquémica, mientras que los tumores primarios anteceden a la enfermedad metastásica dentro de la firma oncológica.
El equipo también realizó un estudio de asociación de genoma completo basado en estas firmas, el cual identificó 151 regiones genéticas con significancia estadística, incluidas asociaciones cardiovasculares que los análisis tradicionales de una sola enfermedad no habían detectado. Entre los genes identificados se encuentran LDLR, APOB y LPA, vinculados al metabolismo de lípidos, así como TTN, asociado con enfermedades cardiacas estructurales, y BRCA2, relacionado con el cáncer de mama.
En cuanto a su capacidad predictiva, ALADYNOULLI superó a herramientas de uso clínico establecido para el cálculo de riesgo cardiovascular, como la Pooled Cohort Equation y PREVENT, así como al modelo Gail utilizado para estimar el riesgo de cáncer de mama. El modelo alcanzó una precisión de 87.9% para enfermedad cardiovascular aterosclerótica, 86.7% para cáncer de mama, 80.1% para fibrilación auricular, 81.1% para insuficiencia cardiaca y 79.6% para enfermedad de Parkinson en predicciones a un año.
“Lo que más nos entusiasma no es solo la mejora en la predicción del riesgo, sino la capacidad de describir la variación en la evolución de la enfermedad de cada paciente de forma concreta y multidimensional. Al fin y al cabo, dos pacientes con el mismo diagnóstico no son iguales: este modelo demuestra que a menudo presentan perfiles genéticos subyacentes diferentes, lo que puede traducirse en patrones de progresión distintos y respuestas diferentes al mismo tratamiento”, Dra. Urbut
Los autores señalan entre las limitaciones del trabajo que el modelo depende de la calidad y consistencia de los registros médicos electrónicos, los cuales pueden contener sesgos relacionados con el acceso a servicios de salud y las prácticas de codificación diagnóstica. Reconocen además que, aunque incorporaron factores genéticos, no modelaron de manera explícita exposiciones ambientales ni factores de estilo de vida que también influyen en el riesgo de enfermedad, y que la interpretación mecanística de cada firma biológica requiere validación funcional adicional que queda fuera del alcance de este trabajo.
