Herramienta de IA predice complicaciones de trasplante potencialmente mortales meses antes de que aparezcan los síntomas

Una potente herramienta de inteligencia artificial (IA) podría dar a los clínicos una ventaja para identificar complicaciones potencialmente mortales tras los trasplantes de células madre y médula ósea, según una nueva investigación del MUSC Hollings Cancer Center. El estudio, publicado en el Journal of Clinical Investigation, combina biomarcadores inmunitarios, datos clínicos y aprendizaje automático para crear una herramienta de predicción de riesgo en condiciones reales.

Para muchos pacientes, un trasplante de células madre o de médula ósea salva vidas. Pero la recuperación no termina cuando los pacientes salen del hospital. En algunos casos, pueden surgir complicaciones graves meses después, a menudo sin previo aviso.

Una de las más difíciles es la enfermedad injerto contra huésped (GVHD) crónica, una afección en la que las células inmunitarias del trasplante atacan los tejidos sanos del paciente. La enfermedad puede afectar a múltiples órganos, incluidos la piel, los ojos, la boca, las articulaciones y los pulmones, provocando discapacidad a largo plazo o incluso la muerte.

Los investigadores, encabezados por Sophie Paczesny, M.D., Ph.D., colíder del Programa de Investigación en Biología del Cáncer e Inmunología en Hollings, así como Michael Martens, Ph.D., y Brent Logan, Ph.D., del Center for International Blood and Marrow Transplant Research del Medical College of Wisconsin, han desarrollado una herramienta basada en IA que puede ayudar a los clínicos a identificar a los pacientes con mayor riesgo de GVHD crónica antes de que aparezcan los síntomas, abriendo la puerta a una vigilancia más temprana.

Aplicando aprendizaje automático a proteínas relacionadas con el sistema inmunitario e información clínica validada, el equipo desarrolló una herramienta llamada BIOPREVENT que estima el riesgo futuro de un paciente de desarrollar GVHD crónica y de morir por causas relacionadas con el trasplante.

A pesar de los grandes avances en la atención del trasplante, la GVHD crónica sigue siendo una de las principales causas de enfermedad y muerte tras el trasplante. Pero la enfermedad no comienza cuando aparecen los síntomas; los cambios biológicos que la impulsan empiezan mucho antes.

Los primeros meses tras un trasplante son especialmente críticos. Los pacientes pueden sentirse bien, pero la actividad inmunitaria bajo la superficie ya puede estar preparando el terreno para complicaciones. Para cuando se diagnostica la GVHD crónica, el proceso de la enfermedad a menudo ha estado desarrollándose durante meses, dañando silenciosamente el organismo.

Los investigadores analizaron datos de 1,310 receptores de trasplante de células madre y médula ósea en cuatro grandes estudios multicéntricos. Las muestras de sangre recogidas 90 a 100 días después del trasplante se analizaron en busca de siete proteínas inmunitarias vinculadas a la inflamación, la activación y regulación inmunitarias, y la lesión y remodelación tisular. Los biomarcadores inmunitarios utilizados en BIOPREVENT se identificaron y validaron en un estudio previo dirigido por Paczesny.

Esos biomarcadores se combinaron con nueve factores clínicos, entre ellos la edad del paciente, el tipo de trasplante, la enfermedad primaria y las complicaciones previas, extraídos de registros de trasplante. En Estados Unidos, los centros de trasplante están obligados a enviar datos detallados y específicos del trasplante al Center for International Blood and Marrow Transplant Research, con una revisión adicional para los pacientes de ensayos clínicos (clinical trial). Según Paczesny, esa información estandarizada ayudó a garantizar que el modelo se construyera sobre datos clínicos consistentes y de alta calidad.

El equipo probó varios enfoques de aprendizaje automático para ver si podían predecir los desenlaces de los pacientes con mayor precisión que los métodos estadísticos tradicionales. El modelo con mejor desempeño, basado en una técnica estadística llamada Bayesian additive regression trees, se convirtió en la base de BIOPREVENT.

Los resultados mostraron que los modelos que combinaban biomarcadores sanguíneos con datos clínicos superaban de forma consistente a los modelos basados únicamente en datos clínicos, especialmente en la predicción de la mortalidad relacionada con el trasplante. El equipo validó además la herramienta en un grupo independiente de receptores de trasplante, confirmando que predecía el riesgo de manera fiable más allá de los pacientes utilizados para construir el modelo.

BIOPREVENT también pudo separar a los pacientes en grupos de bajo y alto riesgo, con diferencias claras en sus desenlaces hasta 18 meses después. Cabe destacar que distintos biomarcadores predijeron diferentes resultados del trasplante, lo que subraya que la GVHD crónica y la muerte relacionada con el trasplante están impulsadas, al menos en parte, por factores biológicos distintos. Por ejemplo, un biomarcador sanguíneo se vinculó estrechamente con el riesgo de muerte tras el trasplante, mientras que otros fueron mejores para señalar quiénes desarrollarían más adelante GVHD crónica.

Para que la investigación fuera utilizable más allá del estudio, el equipo desarrolló BIOPREVENT como una aplicación gratuita basada en la web. Los clínicos pueden introducir los detalles clínicos y los valores de biomarcadores de un paciente y recibir estimaciones de riesgo personalizadas a lo largo del tiempo.