Técnicas de vanguardia para tratar la degeneración vertebral
Aunque las observaciones clínicas aportan información sobre la salud de las personas, sigue siendo difícil convertir esas pruebas en una prevención y un tratamiento bien informados de las enfermedades. Este es el caso de la degeneración de la columna vertebral y la lumbalgia, donde la degradación de los tejidos y órganos que conduce a los síntomas clínicos suele deberse a múltiples factores. «La compleja interacción de factores supera nuestra capacidad natural de análisis —explica el coordinador del proyecto Disc4All(se abrirá en una nueva ventana), Jérôme Noailly, de la Universidad Pompeu Fabra(se abrirá en una nueva ventana), en Barcelona (España)—. Sin embargo, los modelos informáticos y las simulaciones pueden ayudarnos a retener solo las relaciones causa-consecuencia más importantes, al proporcionarnos una comprensión suficiente para unas predicciones y acciones bien informadas».
Comprender los procesos que desencadenan la degeneración de la columna vertebral
El objetivo de Noailly en este proyecto era proporcionar una herramienta matemática predictiva para ayudar a los profesionales del cuidado de la columna vertebral a tomar decisiones mejor informadas. Sin embargo, le resultaba difícil establecer una correlación entre sus modelos, que describen lo que falla en términos mecánicos en la columna vertebral, y lo que los profesionales de la columna intentan resolver y los pacientes sienten realmente, es decir, el dolor. El equipo del proyecto Disc4All, respaldado por las Acciones Marie Skłodowska-Curie(se abrirá en una nueva ventana), permitió a Noailly acercar los modelos matemáticos al apoyo clínico deseado mediante la combinación de inteligencia artificial (IA) y aprendizaje automático. Un consorcio central de doce beneficiarios reunió a expertos en informática y datos, biología experimental y computacional, bioinformática, biomecánica y medicina. Esto se consiguió integrando datos basados en pruebas con modelos computacionales biológicos y mecánicos. Las herramientas desarrolladas en el marco de Disc4All se aplicaron a diversas fuentes de datos, que incluyen tanto cohortes humanas como experimentos de laboratorio. El objetivo era ofrecer una imagen más clara de las causas reales de la degeneración del disco intervertebral de la zona lumbar de un paciente, una de las principales causas del dolor lumbar. «Empezamos a investigar más los procesos biológicos que desencadenan realmente la degeneración de la columna vertebral —añade—. Al recopilar datos sobre esto, pensé que podríamos identificar descriptores personalizados y mejorados de las causas del dolor».
Agrupación de moléculas según su función
La IA y el aprendizaje automático permitieron a Noailly y sus colegas procesar estos datos con rapidez, identificando factores de riesgo objetivos de degradación de la columna vertebral junto con datos demográficos y psicológicos. Noailly explica: «Los biomarcadores de imágenes médicas se convirtieron en parámetros personalizados en modelos biomecánicos matemáticos. Esto nos permitió computar y explorar diferentes mecanismos biofísicos y la relación de cada uno de estos mecanismos con los biomarcadores personalizados». Las simulaciones del modelo condujeron a la identificación de biomarcadores potenciales, es decir, ciertas moléculas que podrían estar directamente relacionadas con el dolor pero que no se han analizado de forma clínica. Noailly fue capaz de ver patrones en los procesos biológicos que no son fáciles de captar de forma tradicional. «Es un poco como cuando los astrónomos describen fenómenos lejanos sin verlos realmente —comenta—. Utilizan modelos complejos, y esto es lo que estamos haciendo aquí».
Significado a partir de datos biológicos y de pacientes
Aplicando el aprendizaje automático para extraer el significado de grandes cantidades de datos biológicos y de pacientes, el equipo del proyecto espera ayudar a los cirujanos a hacerse una idea más clara de las causas del dolor lumbar en cada paciente. «La modelización informática mejorada por IA es una forma eficaz de construir un modelo de columna vertebral personalizado para la medicina de precisión —afirma Noailly—. Somos capaces de interpretar los datos de forma rápida y ofrecer predicciones sobre si las características personalizadas representan un riesgo biológico de degeneración del disco intervertebral. Esto puede aprovecharse para prevenir o tratar el dolor lumbar». El objetivo es trasladar este concepto pionero de modelización computacional al ámbito clínico. Para los profesionales sanitarios, esto podría significar una menor dependencia de tecnologías caras y lentas como la tomografía computarizada y la resonancia magnética.