Un novedoso marco de aprendizaje automático (Mal-ID) puede descifrar el historial de enfermedades del sistema inmunitario, una potente herramienta con potencial para diagnosticar con precisión trastornos autoinmunitarios, infecciones víricas y respuestas a vacunas.
Los métodos tradicionales de diagnóstico clínico de enfermedades autoinmunes u otras patologías inmunológicas suelen basarse en una combinación de exploración física, anamnesis del paciente y diversas pruebas de laboratorio para detectar anomalías celulares o moleculares.
Se trata de un proceso largo que a menudo se complica por diagnósticos iniciales erróneos y sistemas ambiguos.
Investigadores de la Universidad de Stanford desarrollaron Mal-ID (Machine Learning for Immunological Diagnosis), un marco de aprendizaje automático de tres modelos que analiza conjuntos de datos de receptores inmunitarios para identificar firmas de enfermedades infecciosas e inmunológicas y respuestas a vacunas en pacientes.
Entrenaron a Mal-ID con datos recogidos sistemáticamente de 593 individuos, entre ellos pacientes con Covid-19, VIH y diabetes de tipo 1, así como receptores de la vacuna antigripal y controles sanos.
Según los resultados del estudio publicado en la revista Science, Mal-ID distinguió eficazmente seis estados de enfermedad distintos en 550 muestras emparejadas con una puntuación Auroc multiclase de 0,986, lo que indica una precisión de clasificación excepcionalmente alta.
Esa métrica refleja la capacidad del modelo para clasificar los casos positivos por encima de los negativos en todas las comparaciones de enfermedades.
Aunque el modelo logró diferenciar entre COVID-19, VIH, lupus, T1D e individuos sanos, lo que ilustra su potencial como potente herramienta de diagnóstico, los expertos señalan que el enfoque aún debe perfeccionarse utilizando información clínica antes de que pueda emplearse con confianza en aplicaciones clínicas.
