Estudos com Biobancos Genômicos Avançam na Predição Personalizada de Doenças e na Descoberta de Riscos Psiquiátricos
Novos estudos genômicos demonstram uma estratégia prática de recall por genótipo para a psiquiatria, o compartilhamento de risco genético entre condições psiquiátricas e fÃsicas e a melhoria na predição de doenças por meio de trajetórias de histórico de doença.
Estudos recentes que utilizam dados genômicos de grandes biobancos estão avançando a predição personalizada de doenças e aprofundando a compreensão sobre a suscetibilidade genética compartilhada entre condições psiquiátricas e fÃsicas. Um estudo demonstrou uma estratégia prática de recall por genótipo para a psiquiatria de precisão; outro identificou correlações genéticas generalizadas entre sistemas de doenças psiquiátricas e fÃsicas; e um terceiro descobriu que a integração de informações sobre a trajetória do histórico de doenças melhora o desempenho da predição.
Em um estudo publicado na npj Genomic Medicine, pesquisadores da Icahn School of Medicine at Mount Sinai usaram o BioMe, um dos maiores e mais diversos biobancos de sistemas de saúde do paÃs, para identificar indivÃduos portadores de variantes raras de número de cópias (CNVs) que aumentam substancialmente o risco de transtornos do neurodesenvolvimento, incluindo transtorno do espectro autista, deficiência intelectual e esquizofrenia. Eles recontactaram 892 participantes — 335 portadores de CNVs, 217 indivÃduos com esquizofrenia sem essas variantes e 340 controles neurotÃpicos — para avaliar se o recall por genótipo poderia ser implementado. 18% dos participantes responderam ao recrutamento e 8% concluÃram avaliações psiquiátricas e cognitivas abrangentes. A coorte final era diversa, com participantes que se autodeclararam 37% de ascendência africana, 34% hispânica e 26% de ascendência europeia. Avaliações detalhadas identificaram caracterÃsticas desenvolvimentais, clÃnicas e cognitivas além daquelas capturadas nos prontuários eletrônicos de saúde de rotina. O estudo estabelece marcos operacionais para a implementação de estudos de recall por genótipo em sistemas de saúde diversos. O autor sênior afirmou: "Ao recontactar participantes portadores de CNVs raras para avaliações detalhadas, demonstramos tanto as oportunidades quanto os desafios do desenho de estudo de recall por genótipo em um biobanco de sistema de saúde grande e diverso."
Outro estudo, aplicando o Genomic SEM e introduzindo o Genomic E-SEM a 73 desfechos fÃsicos (~1,9 milhão de casos) em oito domÃnios médicos, modelou fatores latentes de doença fÃsica juntamente com fatores psiquiátricos. Fatores de pensamento/psicótico e compulsivos apresentaram poucas associações com fatores de doença fÃsica, enquanto fatores de internalização, neurodesenvolvimento e uso de substâncias mostraram correlações genéticas substanciais em todo o genoma com todos os sistemas de doenças fÃsicas. Uma análise multivariada de GWAS de um fator transdiagnóstico de doença fÃsica definido por 21 transtornos fÃsicos identificou 27 loci de risco genômico e exibiu validade preditiva substancial em subsequente PheWAS. Os achados revelam compartilhamento de risco generalizado entre grupos especÃficos de condições psiquiátricas e fÃsicas e sugerem a necessidade de estruturas nosológicas adicionais.
Um terceiro estudo propôs uma estrutura de predição personalizada de doenças que integra anotações estruturadas de variantes genômicas, embeddings semânticos profundos de históricos longitudinais de doenças e métricas de conformidade de processo derivadas de trajetórias históricas de doença. Os embeddings de histórico de doença foram gerados usando três modelos baseados em BERT — BioBERT, BioClinicalBERT e BiomedBERT — e a verificação de conformidade de processo baseada em alinhamento mediu o quão proximamente a trajetória de doença de um indivÃduo está dos padrões tÃpicos de progressão da população. Em sete configurações de recursos, a incorporação de caracterÃsticas de aptidão baseadas em conformidade melhorou o desempenho da predição em todas as categorias de doenças e classificadores, resultando em valores de AUROC mais altos e menores escores de Brier, enquanto as configurações apenas com embeddings e apenas com anotações de variantes genômicas ficaram entre os modelos de pior desempenho. Os achados indicam que a conformidade da via de doença em nÃvel de processo captura informações temporais e comportamentais não totalmente representadas apenas por caracterÃsticas genômicas ou semânticas profundas, e trabalhos futuros terão como alvo doenças mais especificamente definidas.