Avances en el diagnóstico temprano de desmineralización ósea en pacientes con enfermedad de Gaucher

Un proyecto pionero del Grupo de Estudio de Enfermedad de Gaucher y Neoplasias Hematológicas (GIIS012), combina datos clínicos y genómicos y técnicas de inteligencia artificial para desarrollar un modelo predictivo basado en inteligencia artificial que podría aplicarse también a la población general

El estudio ha sido liderado por el investigador Ralf Köhler, IP del Grupo de Estudio de Enfermedad de Gaucher y Neoplasias Hematológicas (GIIS012) del IIS Aragón, cuyas principales líneas de investigación corresponden a la búsqueda de nuevos biomarcadores en enfermedades de depósito lisosomal, así como nuevas herramientas para el diagnóstico de este tipo de patologías y otras hematológicas poco frecuentes.

El objetivo de este proyecto ha sido identificar distintos patrones de expresión génica, biomarcadores y miRNA en pacientes con enfermedad de Gaucher, en el momento de su diagnóstico, para establecer una relación con el grado de desmineralización ósea. A través de esta información, se ha logrado definir un modelo predictivo que facilitaría la detección anticipada del riesgo de desarrollar osteoporosis u osteopenia.

Esta línea de trabajo forma parte del proyecto “Estudio epigenético de miRNA en pacientes enfermos de Gaucher y su relación con la pérdida de masa ósea”, con referencia TED2021-131518B-C33, financiado por el MCIN/AEI/10.13039/501100011033 y por la Unión Europea “NextGenerationEU”/PRTR.

Identificando claves de la desmineralización ósea

Para alcanzar los resultados, se integraron datos clínicos y genómicos de 59 pacientes diagnosticados con enfermedad de Gaucher. Se recopilaron datos demográficos, clínicos, de imagen (DEXA y S-MRI), así como concentraciones de hasta 2.630 microARNs y biomarcadores específicos, a partir de muestras del Biobanco del Instituto Aragonés de Ciencias de la Salud (IACS).

El desarrollo del proyecto comenzó con la extracción y cuantificación de los microARNs de exosomas plasmáticos, complementando esta información con la determinación de otros biomarcadores típicos de la enfermedad de Gaucher. Después se realizó un exhaustivo proceso de pre-procesado y filtrado de los datos, eliminando miRNAs con información redundante, variables clínicas con falta de datos en un número de pacientes elevado y clasificando los pacientes en dos grupos: aquellos sin afección ósea y aquellos con signos de pérdida de densidad ósea.

El análisis estadístico posterior permitió identificar variables con una relación significativa con la incidencia de afecciones óseas. Entre los hallazgos más significativos destaca la destaca la relación entre el sexo femenino, los valores medios y altos de S-MRI (indicadores de afección de la médula ósea) y la concentración del microARN hsa-miR-6772-3p con una mayor probabilidad de pérdida de densidad ósea en pacientes con enfermedad de Gaucher.

Un modelo predictivo con aplicación clínica

Asimismo, se ha desarrollado un modelo predictivo basado en Regresión Logísticapara el riesgo de incidencia de afecciones óseas en nuevos pacientes. A través de métodos estadísticos e iterativos, se seleccionó la combinación óptima de variables para la estimación del desempeño del modelo en conjuntos de datos desconocidos. Además, se realizó una reducción dimensional tanto del conjunto de miRNAs como del de variables clínicas numéricas mediante la técnica del Análisis de Componentes Principales. De esta manera, se determinó que el modelo óptimo es el que incorpora la primera componente principal de los microARNs, la primera componente de variables clínicas, el sexo y la realización de esplenectomía, con una tasa de aciertos promedio estimada para nuevos pacientes del 65%, siendo especialmente eficaz en la detección de pacientes ya afectados (75% de aciertos).

Si bien este modelo predictivo aún no puede considerarse una herramienta diagnóstica definitiva debido a su moderada tasa de acierto, sí supone esuna herramienta potente a la hora de proporcionar una orientación preliminar al personal sanitario, permitiendo tomar decisiones mejor fundamentadas sobre la necesidad de pruebas complementarias. Asimismo, el análisis descriptivo estadístico muestra la existencia de una relación entre ciertos biomarcadores con la incidencia de afecciones óseas y da pie a que se puedan estudiar estas relaciones más en detalle en futuras investigaciones. Además, este estudio y sus resultados son un importante avance en la aplicación de métodos de Inteligencia Artificial en el ámbito clínico.

Impacto potencial en la salud pública

Los resultados de este estudio podrían tener una gran repercusión, no solo en pacientes con enfermedad de Gaucher, sino también en la población general con pérdida de masa ósea. En España, más de 3 millones de personas son diagnosticadas anualmente con osteoporosis, una condición que impacta directamente en la calidad de vida, la dependencia funcional y los costes sanitarios.

Disponer de una herramienta predictiva accesible desde la consulta de Atención Primaria podría ser clave para anticipar la evolución de estas afecciones, evitando complicaciones y mejorando la calidad de vida de miles de personas. Además, permitiría reducir la necesidad de estudios de imagen, con los beneficios que eso conlleva en términos de coste, tiempo e incluso exposición a radiación.