es.wedoany.com Noticia: Yuichiro Yada y Honda Naoki, investigadores de la Escuela de Posgrado de Medicina de la Universidad de Nagoya, han desarrollado un marco computacional llamado DiSPAH para modelar la progresión de enfermedades crónicas en dimensiones ortogonales, con el fin de abordar la heterogeneidad entre pacientes. Este marco puede rastrear simultáneamente el orden del deterioro funcional (ruta de progresión) y la velocidad con la que los pacientes avanzan a través de las etapas de la enfermedad (velocidad de progresión).
La progresión de enfermedades crónicas muestra una variabilidad frustrante entre diferentes pacientes, lo que no solo plantea desafíos clínicos, sino que también dificulta el desarrollo de planes de tratamiento efectivos, el diseño de ensayos clínicos y la orientación a los pacientes. Los investigadores tomaron la esclerosis lateral amiotrófica (ELA) como ejemplo para construir el modelo DiSPAH. Este modelo emplea un modelo oculto de Markov de tiempo continuo, que utiliza las características clínicas observadas durante las visitas hospitalarias no periódicas de los pacientes para inferir probabilísticamente los estados de enfermedad subyacentes. Las transiciones entre estos estados latentes reflejan la diversidad de las rutas de progresión. Para simular las diferencias en la velocidad de progresión, el equipo de investigación introdujo un parámetro de velocidad específico del paciente que escala temporalmente las tasas de transición.
Los investigadores entrenaron y validaron esta herramienta utilizando dos conjuntos de datos de pacientes con ELA de inicio en extremidades. La ELA de inicio en extremidades es una forma de la enfermedad en la que los síntomas comienzan en los brazos o las piernas, en lugar de en los músculos que controlan el habla y la respiración. Se utilizaron 264 pacientes del conjunto de datos AnswerALS para entrenar el modelo, y 2565 pacientes de la cohorte PRO-ACT para validar los resultados. El sistema identificó seis patrones distintos de progresión de la enfermedad: algunos pacientes mostraron un deterioro lento de la función motora con un impacto mínimo en el habla o la respiración, mientras que otros experimentaron un deterioro rápido. Yada declaró en un comunicado de prensa que también se revelaron diferencias sutiles entre los pacientes, como que en algunos, las funciones motoras gruesas, como caminar, se deterioraban antes que las habilidades motoras finas, como escribir, mientras que en otros ocurría lo contrario. Estos seis patrones se identificaron en un conjunto de datos y se reprodujeron en gran medida en un segundo conjunto de datos más grande, lo que indica que capturan rutas de progresión comunes de la ELA de inicio en extremidades. Es importante destacar que la velocidad de progresión y el patrón de deterioro son independientes entre sí; un paciente puede seguir un patrón grave a una velocidad lenta, o un patrón más leve a una velocidad rápida, algo que las herramientas anteriores no podían medir simultáneamente.
En cuanto a la predicción temprana, DiSPAH puede, hasta cierto punto, predecir la velocidad de progresión y el patrón de progresión aproximado de un paciente basándose únicamente en evaluaciones funcionales básicas y cierta información de mutaciones genéticas obtenidas en la primera visita. Estas predicciones tempranas tienen un valor potencial para la atención al paciente, ya que los médicos pueden planificar el tratamiento, preparar al paciente y a la familia, y agrupar a los participantes según la forma de progresión de la enfermedad para optimizar el diseño de ensayos clínicos. Los investigadores también encontraron que los pacientes portadores de la mutación C9orf72 mostraban una progresión más rápida de la enfermedad en comparación con aquellos que no la portaban, lo que coincide con informes previos que vinculan la mutación C9orf72 con una supervivencia más corta en la ELA. Tras analizar datos de neuronas motoras cultivadas en laboratorio a partir de células madre de los propios pacientes, los resultados mostraron que una progresión más rápida de la ELA podría estar relacionada con problemas en la gestión de proteínas celulares y signos de estrés celular. El equipo de investigación indicó que modelar conjuntamente la ruta y la velocidad de progresión puede mejorar la predicción de cursos de enfermedad heterogéneos, proporcionando herramientas para la atención personalizada y la investigación de la ELA y otras enfermedades crónicas. Planean expandir esta herramienta a todos los tipos de pacientes con ELA, mejorar su fiabilidad y, finalmente, aplicarla a otras enfermedades crónicas como la enfermedad de Alzheimer y la enfermedad de Parkinson.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
