Según un estudio, respaldado por inteligencia artificial y datos de miles de pacientes de Europa y Estados Unidos, identificó biomarcadores en plasma que distinguen la esclerosis lateral amiotrófica de otras enfermedades neuromusculares con más del 98% de precisión.
Las primeras señales de la esclerosis lateral amiotrófica (ELA) aparecen mucho antes de que los síntomas clásicos alerten a pacientes y médicos.
Así lo demuestra un estudio publicado en la revista Nature Medicine, que identificó un conjunto de proteínas en la sangre capaces de anticipar la enfermedad hasta diez años antes del diagnóstico habitual.
El hallazgo podría ser un paso fundamental para el diagnóstico temprano de la patología cuya incidencia anual ronda entre 1,5 y 2,7 casos nuevos por cada 100.000 personas al año.
La ELA es una enfermedad del sistema nervioso que debilita los músculos y afecta la movilidad, el habla, la alimentación y la respiración. El diagnóstico suele llegar cuando estos síntomas ya se han instalado.
Ahora, con este descubrimiento, los investigadores de los Institutos Nacionales de Salud y la Universidad Johns Hopkins de los Estados Unidos, junto con la Universidad de Turín en Italia, desarrollaron una herramienta que podría ser capaz de diferenciar entre personas sanas y quienes se encuentran en fases iniciales de la enfermedad, utilizando simplemente un análisis de sangre.
Un nuevo enfoque de investigación
Ya se sabía que la ELA provoca un daño progresivo de las neuronas motoras, pero faltaban indicadores eficaces para un diagnóstico preclínico.
Aunque ya se usaba la proteína NEFL del líquido cefalorraquídeo como posible marcador, las pruebas disponibles no han ofrecido la precisión suficiente de un análisis de sangre estándar.
El objetivo principal de la investigación del equipo de Estados Unidos e Italia fue entonces encontrar un patrón de proteínas en sangre que funcionara como sistema de alerta temprana.
Para eso, recurrieron al uso de herramientas de la inteligencia artificial y analizaron los niveles de casi tres mil proteínas en muestras de plasma.
Se incluyeron datos de pacientes ya diagnosticados, así como de personas con riesgo o sin síntomas aparentes. El trabajo también indagó cuán temprano en la evolución de la enfermedad se manifestaban estos signos moleculares.
Las limitaciones de estudios previos se relacionaban con muestras pequeñas y poca diversidad. El nuevo estudio abordó este punto al incorporar registros de Italia, información del UK Biobank de Reino Unido y la participación de centros estadounidenses y europeos.
Uno de los desafíos principales fue distinguir la ELA de otros trastornos neuromusculares: “El modelo logró diferenciar a la ELA de enfermedades similares con una precisión superior al 99%”, afirmaron los investigadores.
Fue desarrollado con técnicas de análisis automático y demostró capacidad tanto para prever la aparición de síntomas como para distinguir pacientes de controles sanos.
“Nuestro panel de proteínas podría servir como biomarcador precoz para la ELA, de manera análoga a las pruebas disponibles para la enfermedad de Alzheimer”, sostuvieron.
Los científicos analizaron muestras sanguíneas de pacientes, controles sanos y personas con otras enfermedades neurológicas.
Aplicaron la tecnología de proteómica, que permite medir miles de proteínas en una sola muestra. Los datos fueron procesados con herramientas de inteligencia artificial para identificar combinaciones características de la ELA.
Uno de los hallazgos centrales fue la confirmación de que la proteína NEFL y otras dieciséis suben sus valores mucho antes de que aparezcan síntomas evidentes.
“El puntaje de riesgo de ELA aumenta en individuos presintomáticos hasta diez años antes del inicio clínico”, afirmaron.
La señal biomolecular detectada no depende solo de la edad o la genética. El método identifica también la diferencia entre ELA y enfermedades miméticas, como ciertas miopatías y neuropatías.
El equipo recomendó continuar con la recolección de ambos tipos de muestras y expandir las pruebas clínicas antes de considerar la aplicación masiva del test.
