- Implementación de perfiles proteómicos y transcriptómicos para anticipar la respuesta a fármacos y la evolución de enfermedades graves.
- Uso de aprendizaje automático e inteligencia artificial para analizar datos moleculares y mejorar la precisión del diagnóstico clínico.
- Detección temprana de riesgos en patologías diversas, desde trastornos psiquiátricos y neurológicos hasta enfermedades infecciosas y oncológicas.
La medicina está viviendo una auténtica revolución gracias a la capacidad de analizar lo que ocurre en nuestro cuerpo a nivel molecular. Ya no nos basta con observar los síntomas cuando la enfermedad ya ha hecho estragos; ahora buscamos indicadores biológicos precisos en la sangre que nos den la pista de lo que va a pasar antes de que sea tarde. Esta búsqueda de biomarcadores es la pieza clave para dejar atrás los tratamientos genéricos y entrar de lleno en una era donde cada paciente recibe exactamente lo que necesita.
Imagínate que un simple análisis de sangre pudiera decirnos si un fármaco costoso funcionará o si un joven tiene riesgo de sufrir un trastorno mental grave. Pues bien, esto ya no es ciencia ficción. Mediante el uso de la proteómica, la transcriptómica y la inteligencia artificial, los científicos están logrando descifrar patrones complejos que permiten estratificar el riesgo de los pacientes y personalizar las terapias de una manera que hace unos años parecía imposible, apoyándose en las tecnologías ómicas en biomedicina y medicina personalizada.
Predicción en Enfermedades Degenerativas y Visuales
Uno de los retos más complicados es la degeneración macular asociada a la edad (DMAE), una patología vinculada al envejecimiento ocular y sus cambios que acaba destrozando la visión central. Aunque existen inyecciones de agentes anti-VEGF para frenar la neovascularización, la realidad es que no todo el mundo reacciona igual al tratamiento, y hay muchos pacientes que no mejoran lo suficiente.
Para solucionar esto, se ha trabajado en el análisis del transcriptoma de las células mononucleares de la sangre periférica (PBMCs). Se ha descubierto que un modelo basado en cuatro tipos de RNA y un micro RNA puede predecir con una precisión asombrosa si un paciente responderá bien al ranibizumab antes siquiera de empezar a pincharlo. Al combinar estos datos con el aprendizaje automático, los médicos pueden diseñar planes específicos desde la primera visita, evitando perder tiempo con terapias que no van a funcionar.
La Frontera de la Salud Mental y la Psicosis
En el campo de la psiquiatría, la detección temprana de la psicosis es un quebradero de cabeza, ya que los delirios y alucinaciones suelen aparecer de forma gradual en la adolescencia. En Singapur, se ha dado un paso gigante al identificar perfiles proteicos en el plasma que reflejan los procesos biológicos internos y alertan sobre el riesgo de transición a la psicosis en jóvenes.
Utilizando la espectrometría de masas y modelos de IA, los investigadores han comparado datos de poblaciones caucásicas con grupos asiáticos. Aunque hay similitudes en la función inmunitaria, los modelos específicos de cada población resultan mucho más precisos, alcanzando hasta un 96% de acierto. Esto demuestra que la biología varía según el origen étnico y que el camino hacia la salud mental personalizada requiere de datos multimodales que incluyan genómica y factores sociales.
Combatiendo la Malaria Grave en la Infancia
La malaria sigue siendo un flagelo, especialmente para los niños en África. El gran problema es distinguir rápidamente quién va a desarrollar una forma grave de la enfermedad, como la malaria cerebral o la anemia severa. Gracias a estudios liderados por ISGlobal, se han identificado biomarcadores tanto del parásito como del propio huésped que ayudan a estratificar el riesgo clínico de forma precoz.
- Proteína HRP-2: Indica la carga total de parásitos en el organismo.
- Angpt-2, Tie-2 y sTREM-1: Reflejan el daño en el endotelio de los vasos sanguíneos y la activación del sistema inmune.
- Otras citocinas: Moléculas como IL-6 o IL-8 que ayudan a diferenciar los casos complicados de los leves.
La clave aquí es que la biomasa del parásito se correlaciona directamente con la respuesta inflamatoria del cuerpo. Al medir estos niveles, los médicos pueden guiar tratamientos adyuvantes y actuar con rapidez, lo que supone una oportunidad real para reducir la mortalidad infantil en zonas endémicas.
Neurología: El Desafío del Ictus y sus Complicaciones
El ictus es una de las causas más graves de discapacidad. Si bien la edad y la gravedad inicial son determinantes, existen complicaciones posteriores, como el edema cerebral o infecciones respiratorias, que cambian drásticamente el pronóstico. Aquí, el uso de biomarcadores sanguíneos es una necesidad asistencial urgente para gestionar mejor las terapias de reperfusión.
Se ha observado que la proteína C-reactiva puede servir para monitorizar las infecciones asociadas, mientras que la troponina I ultrasensible ayuda a detectar el riesgo de complicaciones cardíacas durante la fase aguda. Además, han surgido candidatos como FSAP y ADAMTS13, que están relacionados con la capacidad de recanalización arterial, permitiendo que el neurólogo sepa mejor cómo proceder con el tratamiento del flujo sanguíneo.
Oncología y Enfermedades Raras
En el ámbito del cáncer, especialmente en el carcinoma hepatocelular (HCC), se está innovando en el recuento de células tumorales circulantes (CTCs). No basta con contar cuántas hay, sino que se analiza la expresión de genes específicos que indican si el tumor va a progresionar o si el paciente se resistirá a la inmunoterapia. Es una herramienta mínimamente invasiva que evita someter al paciente a tratamientos ineficaces y tóxicos, similar a otros avances en la detección del cáncer mediante IA.
Por otro lado, en las enfermedades raras, la proteómica es vital para el seguimiento. Por ejemplo, el análisis del LysoGB1 es fundamental para monitorizar la enfermedad de Gaucher, mientras que el 7-keto colesterol permite controlar la evolución de la enfermedad de Niemann-Pick. En ambos casos, estos marcadores permiten vigilar la acumulación de lípidos en órganos críticos como el hígado o el bazo sin necesidad de biopsias constantes.
La integración de estas tecnologías moleculares, desde la detección de micro RNA hasta el análisis de proteínas plasmáticas, está transformando la medicina en una disciplina de precisión. El uso de algoritmos de aprendizaje automático aplicados a muestras de sangre permite hoy anticipar la evolución de patologías complejas, optimizar la administración de fármacos y salvar vidas mediante una intervención temprana y dirigida a la biología particular de cada individuo.
