A nivel mundial, la intoxicación sanguínea, o sepsis, es la principal causa de muerte. Un 20 % de las muertes se deben a la sepsis, también porque el diagnóstico suele llegar demasiado tarde. Un nuevo método basado en el aprendizaje automático proporciona un diagnóstico “casi perfecto”.
La sepsis se produce cuando una infección se descontrola y los agentes patógenos contaminan el torrente sanguíneo. El sistema inmunológico trabaja horas extras para resolver el problema. Esta reacción exagerada reduce la presión arterial, puede producirse una inflamación en todo el cuerpo y coágulos sanguíneos anormales, y finalmente el flujo sanguíneo a los órganos deja de ser adecuado. Esto puede provocar un fallo orgánico, un shock y la muerte. La sepsis incipiente es difícil de detectar porque a primera vista los síntomas se parecen mucho a los de la gripe. Pero si el paciente no recibe la atención médica adecuada con la suficiente antelación, la enfermedad puede convertirse en un peligro para la vida en poco tiempo.
Reacción exagerada del sistema inmunitario
Una nueva herramienta de detección de intoxicaciones sanguíneas basada en la inteligencia artificial bucea en el material genético del paciente y del patógeno. De este modo, se puede analizar con gran precisión la respuesta inmunitaria de los pacientes.
“La sepsis es uno de los 10 principales problemas de salud pública a los que se enfrenta la humanidad”, afirma el médico especialista y experto en enfermedades infecciosas, Chaz Langelier, de la Universidad de California. “Uno de los principales retos de la sepsis es el diagnóstico. Las pruebas de diagnóstico existentes son incapaces de determinar la doble naturaleza de la enfermedad: la propia infección y la respuesta inmunitaria del huésped a la misma.”
Actualmente, la sepsis se detecta tomando una biopsia y dejando que la bacteria patógena crezca en el laboratorio para poder identificarla. Esto suele llevar varios días y es “esencial para elegir un tratamiento antibiótico adecuado y, por tanto, crucial para la supervivencia de la sepsis”, explican los investigadores en su estudio, publicado en la revista Nature. Sin embargo, el cultivo de estos patógenos requiere mucho tiempo y no siempre permite desenmascarar las bacterias que causan la infección.
Los antibióticos genéricos son perjudiciales
“Como resultado, se estima que en alrededor del 30 al 50 % de los casos no se puede encontrar la causa de la sepsis”, dice Langelier. “Como resultado, el paciente no recibe los antibióticos más adecuados y el patógeno causante del problema sigue supurando”. A falta de un diagnóstico definitivo, los médicos suelen recetar un cóctel de antibióticos para intentar detener la infección, pero esto tiene bastantes inconvenientes. Hay efectos secundarios no deseados para el paciente y el uso excesivo de antibióticos genéricos ha provocado un gran aumento de la resistencia a los antibióticos en todo el mundo.
“Como médicos, nunca queremos pasar por alto un caso de infección”, responde la profesora de medicina Carolyn Calfee. “Si pudiéramos disponer de una prueba que nos ayudara a determinar rápidamente y con gran precisión si el paciente tiene o no una infección en el torrente sanguíneo (y cuál es el patógeno) sería un inmenso avance en muchos frentes”. Parece que Calfee y sus colegas estarán a su disposición en un futuro próximo.
Aprendizaje automático y mNGS
En efecto, mediante la llamada secuenciación metagenómica de nueva generación (mNGS), un programa informático analiza los datos genéticos de la muestra y los compara con una amplia base de datos. Ya sean bacterias, virus u hongos los causantes de la peligrosa reacción autoinmune, los microbios se identifican rápidamente. También se identifica la respuesta del paciente en la expresión genética a la infección, lo que proporciona un diagnóstico de sepsis muy preciso. A continuación, el aprendizaje automático está a la vuelta de la esquina. Los datos de mNGS y de expresión génica se procesan en el sistema de IA, que calcula la probabilidad de que haya sepsis o de que el paciente sufra otra enfermedad.
Diagnóstico casi perfecto
Los investigadores comprobaron que el método mNGS y su modelo funcionaban tremendamente bien: fueron capaces de identificar la sepsis bacteriana en el 99 % de los casos previamente confirmados de forma tradicional. En el 92 % de los casos de sepsis vírica confirmada, el modelo acertó, y en el 74 % de los pacientes en los que se pensaba que había sepsis, pero no se había establecido el diagnóstico, el innovador sistema acertó. “Esperábamos que nuestro modelo funcionara bien, o tal vez muy bien, pero esto fue casi perfecto”, dice la investigadora Lucile Neyton. “Con este enfoque, obtenemos rápidamente una idea clara de la causa de los síntomas de la enfermedad, y podemos estimar bastante bien si un paciente tiene sepsis o no”.
El equipo tiene previsto ampliar esta exitosa técnica de diagnóstico a otras enfermedades. Por ejemplo, quieren desarrollar un modelo que pueda predecir la resistencia a los antibióticos de los patógenos que causan las infecciones del tracto respiratorio. Este nuevo enfoque de secuenciación tiene el potencial de mejorar enormemente los diagnósticos en la sala de tratamiento, lo que permitirá a la ciencia médica salvar muchas vidas.