Los estudios con biobancos genómicos impulsan la predicción personalizada de enfermedades y el descubrimiento de riesgos psiquiátricos
Nuevos estudios genómicos muestran una estrategia práctica de reclutamiento por genotipo en psiquiatría, una responsabilidad genética compartida entre afecciones psiquiátricas y físicas, y una mejora en la predicción de enfermedades mediante trayectorias de historial clínico.
Estudios recientes que aprovechan datos genómicos de grandes biobancos están avanzando en la predicción personalizada de enfermedades y profundizando en la comprensión de la responsabilidad genética compartida entre afecciones psiquiátricas y físicas. Un estudio demostró una estrategia práctica de reclutamiento por genotipo para la psiquiatría de precisión, otro identificó correlaciones genéticas generalizadas entre sistemas de enfermedad psiquiátrica y física, y un tercero halló que la integración de la información de trayectorias de historial de enfermedad mejora el rendimiento de la predicción.
En un estudio publicado en npj Genomic Medicine, investigadores de la Escuela de Medicina Icahn del Monte Sinaí utilizaron BioMe, uno de los biobancos de sistemas de salud más grandes y diversos del país, para identificar a individuos portadores de variantes raras en el número de copias (CNV) que aumentan sustancialmente el riesgo de trastornos del neurodesarrollo, incluidos el trastorno del espectro autista, la discapacidad intelectual y la esquizofrenia. Recontactaron a 892 participantes —335 portadores de CNV, 217 individuos con esquizofrenia sin estas variantes y 340 controles neurotípicos— para evaluar si el reclutamiento por genotipo podía implementarse. El 18 % de los participantes respondió al reclutamiento y el 8 % completó evaluaciones psiquiátricas y cognitivas integrales. La cohorte final fue diversa, con participantes que se autoidentificaron como de ascendencia africana (37 %), hispana (34 %) y europea (26 %). Las evaluaciones detalladas identificaron características del desarrollo, clínicas y cognitivas más allá de las capturadas en los registros electrónicos de salud rutinarios. El estudio establece puntos de referencia operativos para implementar estudios de reclutamiento por genotipo en sistemas de salud diversos. El autor principal declaró: «Al recontactar a participantes portadores de CNV raras para evaluaciones detalladas, demostramos tanto las oportunidades como los desafíos del diseño de estudio de reclutamiento por genotipo en un biobanco de sistema de salud grande y diverso».
Otro estudio, que aplicó SEM genómico e introdujo E-SEM genómico a 73 resultados físicos (~1,9 millones de casos) en ocho dominios médicos, modeló factores latentes de enfermedad física junto con factores psiquiátricos. Los factores de pensamiento/psicótico y compulsivo mostraron pocas asociaciones con los factores de enfermedad física, mientras que los factores de internalización, neurodesarrollo y consumo de sustancias mostraron correlaciones genéticas sustanciales en todo el genoma con todos los sistemas de enfermedad física. Un GWAS multivariante de un factor de enfermedad física transdiagnóstico definido por 21 trastornos físicos identificó 27 loci de riesgo genómico y mostró una validez predictiva sustancial en el PheWAS posterior. Los hallazgos revelan una compartición de riesgo generalizada entre grupos específicos de afecciones psiquiátricas y físicas y sugieren la necesidad de marcos nosológicos adicionales.
Un tercer estudio propuso un marco de predicción personalizada de enfermedades que integra anotaciones estructuradas de variantes genómicas, incrustaciones semánticas profundas de historiales de enfermedad longitudinales y métricas de conformidad de procesos derivadas de vías de enfermedad históricas. Las incrustaciones de historiales de enfermedad se generaron utilizando tres modelos basados en BERT —BioBERT, BioClinicalBERT y BiomedBERT— y la verificación de conformidad de procesos basada en alineación midió qué tan cerca se ajusta la trayectoria de enfermedad de un individuo a los patrones típicos de progresión de la población. En siete configuraciones de características, la incorporación de características de aptitud basadas en conformidad mejoró el rendimiento de predicción en todas las categorías de enfermedades y clasificadores, produciendo valores de AUROC más altos y puntuaciones de Brier más bajas, mientras que las configuraciones solo de incrustaciones y solo de anotaciones de variantes genómicas se ubicaron entre los modelos de menor rendimiento. Los hallazgos indican que la conformidad de las vías de enfermedad a nivel de proceso captura información temporal y conductual no representada completamente por características genómicas o semánticas profundas por sí solas, y el trabajo futuro se dirigirá a enfermedades más específicas.