L’ús de la Intel·ligència Artificial (IA) per trobar una alternativa menys invasiva a la biòpsia de fetge

L’analítica de sang podria ajudar als metges a diagnosticar i controlar la malaltia hepàtica comuna en pacients en risc.

Els endocrinòlegs del Centre Mèdic de Diacans Beth Israel (BIDMC, en les seves sigles en anglès) han desenvolupat una prova no invasiva que pot ajudar als metges a controlar la salut del fetge dels pacients. Al mesurar combinacions de greixos, hormones, carbohidrats i molècules de sucre presents en el sèrum sanguini dels pacients, l’equip de científics va emprar l’aprenentatge automàtic per desenvolupar models que poden diferenciar diverses etapes de la malaltia hepàtica amb una precisió gairebé perfecta. L’equip va informar dels seus descobriments a la revista Metabolism, Clinical and Experimental, juntament amb un editorial adjunt que posa el focus en l’impacte potencial del model.

La malaltia del fetge gras no alcohòlic (NAFLD, en les seves sigles en anglès) és la malaltia hepàtica crònica més comuna a tot el món, que afecta a una de cada tres persones, i és especialment freqüent entre els pacients amb diabetis tipus 2 i/o obesitat. És possible que els pacients amb NAFLD mai desenvolupin més complicacions, però prop del 25% de les persones amb NALFD desenvoluparan una inflamació hepàtica més greu anomenada esteatohepatitis no alcohòlica, o NASH, que eventualment pot conduir a cirrosi o càncer de fetge.

Avui en dia, els metges avaluen la salut del fetge amb una biòpsia hepàtica, un mètode costós que comporta riscos pel pacient i no sempre és representatiu de l’estat real de tot el fetge.

“Seria impossible fer biòpsies en els 80 milions de nord-americans en risc, i fins i tot si ho féssim, resultaria en desenes de milers d’individus que pateixen complicacions i prop de 16.000 morts cada any per complicacions”, va explicar l’autor principal Christos Mantzoros, MD, DSc, Director de la Unitat de Nutrició Humana a BIDMC i Professor de Medicina a la Facultat de Medicina de Harvard. “Trobar biomarcadors fàcils d’obtenir, relativament econòmics i fiables que puguin mesurar-se amb tècniques menys invasives és una necessitat urgent i insatisfeta”.

Emprant cinc tècniques diferents d’aprenentatge automàtic en dues plataformes diferents, Mantzoros i el seu equip van generar models predictius nous que podrien diagnosticar l’estat de salut del fetge dels pacients amb una precisió excel·lent. Un model que usa només 10 lípids per detectar la presència de fibrosi hepàtica (el desenvolupament de teixit fibrós en l’òrgan que pot ser indicatiu de lesió o malaltia) va assolir un 98% de precisió.

Mantzoros i el seu equip van analitzar sèrum sanguini extret de 80 persones amb un estat de salut hepàtic conegut segons el diagnòstic d’una biòpsia hepàtica tradicional avaluada per dos patòlegs independents. Dels 80 participants, 49 no tenien malaltia hepàtica, 15 pacients van ser diagnosticats amb la NAFLD de menor risc i 16 pacients amb la NASH més greu. Després, els científics van analitzar les diferències en la concentració sanguínia de 366 lípids, 23 àcids grassos, 62 glicans (molècules a base de carbohidrats o sucre) i quatre hormones, tots actors coneguts en el desenvolupament de la malaltia hepàtica, en els tres grups de pacients.

“Mesurem tantes molècules circulants com raonablement possible i després deixen que l’aprenentatge automàtic i la intel·ligència artificial escullin els millors conjunts de molècules que predirien els resultats amb major precisió”, va afirmar Mantzoros. “Tot i que el nombre d’individus sembla petit donats els dissenys d’estudi convencionals, l’ús de models d’intel·ligència artificial potents i nous ens va permetre obtenir resultats precisos, de fins el 98% en alguns casos. Aquests models poden servir com a mètode alternatiu rendible i de baix risc a la biòpsia hepàtica pel diagnòstic i monitoreig de NAFLD”, va afegir.

D’altres estudis buscaran validar els models en estudis més grans amb participants amb major diversitat ètnica, així com incloure variables addicionals útils per millorar les capacitats predictives dels models, com el perfil genètic dels pacients, la informació clínica, inclosa l’edat i l’IMC. Aquestes eines de diagnòstic millorades poden tenir la capacitat de diferenciar també entre subgrups dins de cada categoria, incloses les etapes de fibrosi.

Font: miragenews.com

Autors: Nikolas Perakakis, MD, de BIDMC; Stergios A. Polyzos, MD, MSc, PhD, y Jannis Kountoouras, MD, PhD de la Universidad Aristóteles de Salónica; Alireza Yazdani, PhD, de la Universidad Brown; Aleix Sala-Vila, DPharm, PhD, del Instituto de Salud Carlos III; y, Athanasios D. Anastasilakis, MD, PhD, del 424 General Military Hospital, Thessaloniki.

Article traduït per l’ASSCAT