Una herramienta de IA recién desarrollada puede acelerar drásticamente la búsqueda de las causas genéticas de enfermedades raras, un proceso que a menudo lleva años y que a menudo termina sin respuestas. Este enfoque podría acortar significativamente el proceso diagnóstico y ayudar a guiar a los médicos hacia tratamientos efectivos mucho antes.
Para las familias de niños que viven con enfermedades raras, la búsqueda de un diagnóstico suele ser larga, incierta y profundamente agotadora, marcada por años de preguntas sin respuesta, pruebas repetidas y la ausencia de explicaciones médicas claras.
Este viaje, a menudo llamado la “odisea diagnóstica”, puede durar casi una década. Incluso en la era de la secuenciación genética avanzada, la mayoría de los pacientes permanecen sin diagnóstico, dejando a las familias sin claridad, tratamiento ni cierre.
Un nuevo estudio dirigido por la Dra. Christina Canavati y el profesor Yuval Tabach de la Facultad de Medicina de la Universidad Hebrea de Jerusalem, podría cambiar finalmente eso.
Se basa en investigaciones anteriores realizadas con el premio Nobel Prof. Gary Ruvkun, publicadas en 2013.
En el corazón de este avance está EvORanker, un algoritmo de inteligencia artificial diseñado para identificar qué gen, entre miles de posibilidades, está realmente causando la enfermedad de un paciente.
En lugar de basarse únicamente en el conocimiento médico existente, EvORanker observa a través de la evolución. Al comparar patrones genéticos de más de 1.000 especies, el algoritmo detecta relaciones ocultas entre genes, incluso aquellas que la ciencia nunca había vinculado a enfermedades.
En pruebas clínicas, el algoritmo identificó el gen causante correcto de la enfermedad como el principal candidato en casi el 70% de los casos, y lo situó entre los cinco primeros en el 95% de los casos, superando a las herramientas existentes, especialmente en los escenarios más difíciles que involucraban genes poco comprendidos.
Pero más allá de los números, hay pacientes reales.
En un caso descrito en el estudio, un niño con un trastorno neurodesarrollativo complejo había sido sometido a pruebas exhaustivas sin diagnóstico. Utilizando EvORanker, los investigadores identificaron un gen previamente no reconocido como la causa probable, abriendo la puerta a la comprensión de la enfermedad y, potencialmente, al tratamiento.
En otro caso, el algoritmo reveló la base genética de un trastorno multisistémico grave que afecta a múltiples órganos. El descubrimiento no solo proporcionó respuestas a la familia, sino que también orientó a los investigadores hacia posibles estrategias terapéuticas.
“Estos son miles de casos así en todo el mundo que pasan desapercibidos en la medicina actual”, dijo el profesor Tabach. “Nuestro objetivo era ofrecer a los pacientes y a los clínicos una herramienta que pudiera encontrar respuestas rápidas y precisas donde antes no existían.”
Las implicaciones van aún más allá. Al descubrir nuevos genes de enfermedades, EvORanker también ayuda a identificar medicamentos existentes que podrían reutilizarse, un atajo que podría ahorrar años de tiempo de desarrollo y llevar los tratamientos a los pacientes más rápido.
La investigación se basa en más de una década de trabajo que combina biología evolutiva y ciencia computacional. Descubrimientos anteriores del profesor Tabach y colaboradores demostraron cómo los genes que evolucionan juntos a menudo funcionan juntos, lo que llevó a decenas de avances revolucionarios. EvORanker convierte ese principio en un potente y rápido motor de diagnóstico.
Y aunque las enfermedades raras son el foco inmediato, el equipo ya está mirando hacia adelante. La tecnología se está aplicando ahora al cáncer, donde los investigadores la utilizan para descubrir por qué algunos tumores retroceden inesperadamente y cómo esos mecanismos podrían aprovecharse para el tratamiento de pacientes con cáncer en estadio 4.
A nivel mundial, las enfermedades raras afectan hasta al 5% de la población. En Israel, la carga es aún mayor, llegando hasta al 8%, debido en parte a factores genéticos dentro de ciertas comunidades. Para estos pacientes y sus familias, un diagnóstico más rápido aporta una nueva esperanza para el tratamiento.
EvORanker ya está disponible como una herramienta accesible para investigadores y clínicos, con estudios adicionales ya en marcha y nuevas aplicaciones clínicas emergentes.
Para las familias que aún esperan respuestas, herramientas como EvORanker pueden ayudar a convertir años de incertidumbre en diagnósticos más claros y rápidos.
Este trabajo es un estudio de caso real ampliado basado en el trabajo teórico publicado en enero de 2024 en el artículo “Using multi-scale genomics to associate poorly annotated genes with rare diseases”.
El artículo de investigación titulado “Biallelic SUPT4H1 Variants Cause a Multi-system Neurodevelopmental Disorder Associated with Disrupted Transcription”, ya está disponible en Genetics Medicine.
