Inteligencia artificial: Nuevos subtipos de Parkinson en el horizonte

Investigadores de Weill Cornell Medicine han utilizado el aprendizaje automático para definir tres subtipos de la enfermedad de Parkinson en función de la velocidad a la que progresa la enfermedad. Además de tener el potencial de convertirse en una herramienta importante de diagnóstico y pronóstico, estos subtipos están marcados por genes impulsores distintos. Si se validan, estos marcadores también podrían sugerir formas de dirigir los subtipos con fármacos nuevos y existentes.

La investigación se publicó el 10 de julio en npj Digital Medicine.

“La enfermedad de Parkinson es altamente heterogénea, lo que significa que las personas con la misma enfermedad pueden tener síntomas muy diferentes”, dijo el autor principal Dr. Fei Wang, profesor de ciencias de la salud de la población y director fundador del Instituto de IA para la Salud Digital (AIDH) en el Departamento de Ciencias de la Salud de la Población de Weill Cornell Medicine. “Esto indica que probablemente no haya un enfoque único para tratarla. Es posible que tengamos que considerar estrategias de tratamiento personalizadas en función del subtipo de enfermedad del paciente”.

Los investigadores definieron los subtipos en función de sus patrones distintos de progresión de la enfermedad. Los llamaron subtipo de ritmo lento (PD-I, aproximadamente el 36 % de los pacientes) para la enfermedad con una gravedad de línea de base leve y una velocidad de progresión leve, el subtipo de ritmo moderado (PD-M, aproximadamente el 51 % de los pacientes) para los casos que tienen una gravedad de línea de base leve pero avanzan a un ritmo moderado, y subtipo de ritmo rápido (PD-R), para los casos con la tasa de progresión de los síntomas más rápida.

Pudieron identificar los subtipos utilizando enfoques basados en el aprendizaje profundo para analizar registros clínicos desidentificados de dos bases de datos grandes. También exploraron el mecanismo molecular asociado con cada subtipo a través del análisis de los perfiles genéticos y transcriptómicos de los pacientes con métodos basados en redes. Por ejemplo, el subtipo PD-R tenía activación de vías específicas, como las relacionadas con la neuroinflamación, el estrés oxidativo y el metabolismo. El equipo también encontró biomarcadores de imágenes cerebrales y líquido cefalorraquídeo distintos para los tres subtipos.

El laboratorio del Dr. Wang ha estado estudiando la enfermedad de Parkinson desde 2016, cuando el grupo participó en el desafío de datos de la Iniciativa de Marcadores de Progresión de la Enfermedad de Parkinson (PPMI) patrocinado por la Fundación Michael J. Fox. El equipo ganó el desafío sobre el tema de derivar subtipos, y desde entonces ha recibido financiación de la fundación para continuar este trabajo. Emplearon los datos recopilados de la cohorte de PPMI como la cohorte principal de desarrollo de subtipos en su investigación y los validaron con la cohorte del Programa de Biomarcadores de la Enfermedad de Parkinson (PDBP) del Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares (NINDS).

Los investigadores utilizaron sus hallazgos para identificar posibles candidatos a fármacos que podrían reutilizarse para atacar los cambios moleculares específicos observados en los diferentes subtipos. Luego utilizaron dos bases de datos a gran escala y del mundo real de registros de salud de pacientes para confirmar que estos medicamentos podrían ayudar a mejorar la progresión de la enfermedad de Parkinson. Estas bases de datos, la Red de Investigación Clínica INSIGHT, con sede en Nueva York, y el Consorcio de Investigación Clínica OneFlorida+, forman parte de la Red Nacional de Investigación Clínica Centrada en el Paciente (PCORnet). INSIGHT está dirigido por el Dr. Rainu Kaushal, decano asociado senior de investigación clínica en Weill Cornell Medicine y presidente del Departamento de Ciencias de la Salud de la Población en Weill Cornell Medicine y NewYork-Presbyterian/Weill Cornell Medical Center.

“Al examinar estas bases de datos, encontramos que las personas que tomaron el fármaco para la diabetes metformina parecían tener síntomas mejorados de la enfermedad, especialmente los síntomas relacionados con la cognición y las caídas, en comparación con los que no tomaron metformina”, dijo el primer autor, el Dr. Chang Su, profesor asistente de ciencias de la salud de la población y también miembro del AIDH en Weill Cornell Medicine. Esto fue especialmente cierto en aquellos con el subtipo PD-R, que tienen más probabilidades de tener déficits cognitivos en las primeras etapas de la enfermedad de Parkinson.

“Esperamos que nuestra investigación lleve a otros investigadores a pensar en el uso de diversas fuentes de datos al realizar estudios como el nuestro”, dijo el Dr. Wang. “También creemos que los investigadores de bioinformática traslacional podrán validar aún más nuestros hallazgos, tanto computacional como experimentalmente”.

Varios colaboradores contribuyeron a este trabajo, incluidos científicos de la Clínica Cleveland, la Universidad Temple, la Universidad de Florida, la Universidad de California en Irvine, la Universidad de Texas en Arlington, así como candidatos doctorales del programa de informática de Cornell Tech y el programa de biología computacional de Cornell Universidad en el campus de Ithaca.