Sochob

El método de análisis de sangre utiliza el aprendizaje automático y puede usarse para predecir si los pacientes aumentarán de peso, a menos que cambien sus hábitos. Investigadores de la Universidad de Campinas (UNICAMP) en el estado de São Paulo, Brasil, han desarrollado un programa informático que analiza moléculas en el plasma sanguíneo para buscar biomarcadores que identifiquen a las personas que corren el riesgo de tener sobrepeso y desarrollar enfermedades relacionadas con la obesidad. 

El proyecto se llevó a cabo en Brasil con fondos de la Fundación de Amparo en Pesquisa do Estado de São Paulo (FAPESP). Los resultados se describen en el documento, “Combinando el aprendizaje automático y la metabolómica para identificar biomarcadores de aumento de peso”, publicado en la revista Frontiers in Bioengineering and Biotechnology.

“La prueba es 90% precisa para detectar si el sujeto aumentará de peso sin ningún tipo de intervención”, dijo el investigador principal del estudio, el profesor Rodrigo Ramos Catharino, jefe del Laboratorio de Biomarcadores Innovare de UNICAMP. “También muestra si existe el riesgo de desarrollar enfermedades como diabetes, presión arterial alta y dislipidemia. Es una herramienta importante porque los profesionales de la salud pueden usarla para recomendar cambios en el estilo de vida antes de que se materialice un problema”.

La prueba consiste en un análisis de espectrómetro de masas para detectar todos los metabolitos presentes en la sangre del paciente y producir un perfil de los diversos procesos metabólicos que funcionan en el organismo. Los datos obtenidos por espectrometría de masas son procesados ​​por el nuevo software.

El programa fue escrito como parte de la investigación de doctorado de Flávia Luísa Dias-Audibert, en colaboración con el investigador Luiz Cláudio Navarro. El asesor de tesis de Dias-Audibert es el profesor Anderson Rezende Rocha del Instituto de Ciencias de la Computación de UNICAMP. El grupo fue apoyado por el Centro de Investigación de Obesidad y Comorbilidades (OCRC), un Centro de Investigación, Innovación y Difusión (RIDC) financiado por FAPESP y patrocinado por UNICAMP.

“El programa analiza la muestra de sangre en busca de cinco metabolitos que funcionan como biomarcadores con el potencial de predecir el aumento de peso”, agregó Catharino. “Cuando uno de estos biomarcadores está presente en la muestra, el paciente tenderá a desarrollar diabetes si se vuelve obeso”. Los archivos de software son de código abierto y se pueden descargar de forma gratuita desde Internet. Según Catharino, cualquier servicio de salud con acceso a un espectrómetro de masas puede aplicar la metodología. “Es una técnica económica y asequible incluso para el SUS [sistema nacional de salud de Brasil]. Todo lo que necesita es un espectrómetro de masas para una red de hospitales y clínicas ambulatorias”.

Aprendizaje automático

La metodología desarrollada en UNICAMP combina la metabolómica con el aprendizaje automático, una subdisciplina de la inteligencia artificial. Los investigadores utilizaron datos obtenidos del análisis de muestras de sangre suministradas por 180 personas para “enseñar” al programa a reconocer un patrón asociado con el aumento de peso. La mitad de los voluntarios incluidos en el estudio estaban dentro del rango de IMC considerado saludable, mientras que el resto tenía sobrepeso en diversos grados o tenía obesidad.

“Se tomaron medidas antropométricas para todos los participantes, que también completaron un cuestionario sobre antecedentes familiares de enfermedades crónicas, así como la edad y el sexo”, explicó Catharino. “Utilizamos algunos de los pacientes para entrenar el software y otros para validarlo comparando sus resultados con su propia antropometría e historial de salud. Se utilizó el algoritmo aleatorio de aprendizaje automático de bosques para la parte de capacitación”. Los investigadores encontraron que 18 metabolitos pueden servir como biomarcadores de procesos metabólicos relacionados con la acumulación de grasa, cinco de los cuales tienen el potencial de predecir el aumento de peso.

“La prostaglandina B2 y el carboxi-leucotrieno B4 son metabolitos del ácido araquidónico [un ácido graso de la familia omega-6] que se sabe que participan en procesos inflamatorios, en el reclutamiento de células al sitio de la inflamación y en la producción de especies reactivas de oxígeno [un exceso del cual perjudica el funcionamiento celular]”, dijo Dias-Audibert. “Otras dos moléculas que identificamos fueron argininosuccinato y dihidrobiopterina, las cuales están involucradas en el ciclo del óxido nítrico y pueden considerarse marcadores de la producción de radicales libres”.

Según Dias-Audibert, la combinación de estos biomarcadores sugiere que la retroalimentación de la cascada inflamatoria se produce en personas con sobrepeso. “Este hallazgo coincide con los de varios estudios que describen la inflamación crónica de bajo grado como uno de los procesos nocivos activos en la condición de sobrepeso”, dijo.

El quinto biomarcador que resultó ser un predictor potencial de aumento de peso fue el ácido carboximetilpropil-furanpropanoico (CMPF), un metabolito asociado con la disfunción de las células productoras de insulina en el páncreas y el desarrollo de diabetes. “Teniendo en cuenta que había diabéticos en el grupo de estudio, este biomarcador podría ser el vínculo entre el aumento de peso y la diabetes”, agregó Dias-Audibert.

Catharino dijo que el programa de computadora también puede ser utilizado por profesionales de la salud para evaluar la efectividad de un tratamiento prescrito para reducir el porcentaje de grasa corporal de un paciente. “Incluso antes de que el sujeto pierda peso, es posible saber si la intervención está funcionando bien. Si se interrumpen los procesos metabólicos que conducen a la acumulación de grasa, los 18 metabolitos que identificamos tenderán a desaparecer del plasma sanguíneo”, dijo.

Fuente: https://bariatricnews.net

Referencia: Dias-Audibert FL, Navarro LC, de Oliveira DN, et al. Combining machine learning and metabolomics to identify weight gain biomarkers. Front. Bioeng. Biotechnol., 24 January 2020.