Tecnología basada en IA identifica causas genéticas de enfermedades serias
Por el equipo editorial de LabMedica en español Actualizado el 27 Oct 2021 |
Imagen: Diagrama esquemático del flujo de trabajo de Fabric GEM que proporciona resultados rápidos y exactos para cualquier análisis clínico de NGS (Fotografía cortesía de Fabric Genomics)
La interpretación clínica de las variantes genéticas en el contexto del fenotipo del paciente se ha convertido en el mayor componente del gasto de tiempo y costo para el diagnóstico, basado en el genoma, de las enfermedades genéticas raras.
El proceso de interpretación del genoma consiste en un filtrado de variantes iterativo, junto con una revisión basada en la evidencia de las variantes candidatas que causan enfermedades. La inteligencia artificial (IA) promete simplificar y acelerar en gran medida la interpretación del genoma mediante la integración de métodos predictivos con el creciente conocimiento de las enfermedades genéticas.
Un equipo internacional de científicos de medicina genómica que colabora con los de la Facultad de Medicina de la Universidad de Utah (Salt Lake City, UT, EUA), evaluó el desempeño diagnóstico de Fabric GEM (Fabric Genomics Inc., Oakland, CA, EUA), una nueva herramienta de apoyo a la toma de decisiones clínicas basada en IA para acelerar la interpretación del genoma. Compararon GEM en una cohorte retrospectiva de 119 probandos, en su mayoría bebés de la UCIN, diagnosticados con enfermedades genéticas raras, que recibieron secuenciación del genoma completo o del exoma completo (WGS, WES). Replicaron sus análisis en una cohorte separada de 60 casos recolectados de cinco centros médicos académicos. A modo de comparación, también analizaron estos casos con herramientas de priorización de variantes de última generación.
Los investigadores informaron que GEM clasificó más del 90% de los genes causales entre el mejor o el segundo candidato y priorizó la revisión de una mediana de tres genes candidatos por caso, utilizando descripciones de fenotipo curadas manualmente o derivadas del procesamiento clínico del lenguaje natural (CNLP). La clasificación de tríos y dúos no cambió cuando se analizó como uno solo. En 17 de 20 casos con variantes estructurales de diagnóstico (SV), GEM identificó las SV causales como las principales candidatas y en 19/20 entre las cinco principales, independientemente de si las llamadas de SV fueron proporcionadas o inferidas ab initio por GEM utilizando su algoritmo de detección de SV interno propio. GEM mostró un desempeño similar en ausencia de genotipos parentales. El análisis de 14 casos no resueltos anteriormente dio como resultado un hallazgo novedoso para un caso, los candidatos finalmente no avanzaron tras la revisión manual de tres casos y ningún hallazgo nuevo para 10 casos.
Mark Yandell, PhD, profesor de genética humana y coautor correspondiente del estudio, dijo: “Los niños críticamente enfermos acumulan rápidamente muchas páginas de notas clínicas. La necesidad de que los médicos revisen y resuman manualmente el contenido de las notas como parte del proceso de diagnóstico es una pérdida de tiempo enorme. La capacidad de la herramienta de Clinithink para convertir automáticamente el contenido de estas notas en segundos para que las consuma GEM es fundamental para la velocidad y la escalabilidad”. Clinithink (Alpharetta, GA, EUA) es una compañía de tecnología construida alrededor de CLiX, la primera IA de atención médica del mundo capaz de comprender verdaderamente notas médicas no estructuradas.
Los autores concluyeron que GEM permitió la interpretación del diagnóstico que incluye todos los tipos de variantes mediante la nominación automatizada de una lista muy corta de genes y trastornos candidatos para la revisión final y el informe. En combinación con la fenotipificación profunda por CNLP, GEM permite una automatización sustancial del diagnóstico de enfermedades genéticas, lo que potencialmente reduce los costos y acelera la revisión de casos. El estudio fue publicado el 14 de octubre de 2021 en la revista Genomic Medicine.
Enlace relacionado:
Universidad de Utah
Fabric Genomics Inc
Clinithink
El proceso de interpretación del genoma consiste en un filtrado de variantes iterativo, junto con una revisión basada en la evidencia de las variantes candidatas que causan enfermedades. La inteligencia artificial (IA) promete simplificar y acelerar en gran medida la interpretación del genoma mediante la integración de métodos predictivos con el creciente conocimiento de las enfermedades genéticas.
Un equipo internacional de científicos de medicina genómica que colabora con los de la Facultad de Medicina de la Universidad de Utah (Salt Lake City, UT, EUA), evaluó el desempeño diagnóstico de Fabric GEM (Fabric Genomics Inc., Oakland, CA, EUA), una nueva herramienta de apoyo a la toma de decisiones clínicas basada en IA para acelerar la interpretación del genoma. Compararon GEM en una cohorte retrospectiva de 119 probandos, en su mayoría bebés de la UCIN, diagnosticados con enfermedades genéticas raras, que recibieron secuenciación del genoma completo o del exoma completo (WGS, WES). Replicaron sus análisis en una cohorte separada de 60 casos recolectados de cinco centros médicos académicos. A modo de comparación, también analizaron estos casos con herramientas de priorización de variantes de última generación.
Los investigadores informaron que GEM clasificó más del 90% de los genes causales entre el mejor o el segundo candidato y priorizó la revisión de una mediana de tres genes candidatos por caso, utilizando descripciones de fenotipo curadas manualmente o derivadas del procesamiento clínico del lenguaje natural (CNLP). La clasificación de tríos y dúos no cambió cuando se analizó como uno solo. En 17 de 20 casos con variantes estructurales de diagnóstico (SV), GEM identificó las SV causales como las principales candidatas y en 19/20 entre las cinco principales, independientemente de si las llamadas de SV fueron proporcionadas o inferidas ab initio por GEM utilizando su algoritmo de detección de SV interno propio. GEM mostró un desempeño similar en ausencia de genotipos parentales. El análisis de 14 casos no resueltos anteriormente dio como resultado un hallazgo novedoso para un caso, los candidatos finalmente no avanzaron tras la revisión manual de tres casos y ningún hallazgo nuevo para 10 casos.
Mark Yandell, PhD, profesor de genética humana y coautor correspondiente del estudio, dijo: “Los niños críticamente enfermos acumulan rápidamente muchas páginas de notas clínicas. La necesidad de que los médicos revisen y resuman manualmente el contenido de las notas como parte del proceso de diagnóstico es una pérdida de tiempo enorme. La capacidad de la herramienta de Clinithink para convertir automáticamente el contenido de estas notas en segundos para que las consuma GEM es fundamental para la velocidad y la escalabilidad”. Clinithink (Alpharetta, GA, EUA) es una compañía de tecnología construida alrededor de CLiX, la primera IA de atención médica del mundo capaz de comprender verdaderamente notas médicas no estructuradas.
Los autores concluyeron que GEM permitió la interpretación del diagnóstico que incluye todos los tipos de variantes mediante la nominación automatizada de una lista muy corta de genes y trastornos candidatos para la revisión final y el informe. En combinación con la fenotipificación profunda por CNLP, GEM permite una automatización sustancial del diagnóstico de enfermedades genéticas, lo que potencialmente reduce los costos y acelera la revisión de casos. El estudio fue publicado el 14 de octubre de 2021 en la revista Genomic Medicine.
Enlace relacionado:
Universidad de Utah
Fabric Genomics Inc
Clinithink
Últimas Diagnóstico Molecular noticias
- Enfoque revolucionario de análisis de células T permite detección temprana del cáncer
- Prueba genética única podría acelerar el diagnóstico de trastornos raros del desarrollo
- Analizador de pruebas sindrómicas actualizado permite acceso remoto a resultados de pruebas
- Prueba de PCR para infecciones respiratorias y de garganta detecta múltiples patógenos con síntomas coincidentes
- Técnica de enriquecimiento de ácido nucleico circulante en sangre permite diagnóstico no invasivo del cáncer de hígado
- Primera prueba molecular aprobada por la FDA para detectar malaria en donantes de sangre podría mejorar seguridad del paciente
- Prueba de biomarcadores líquidos detecta enfermedades neurodegenerativas antes de que aparezcan síntomas
- Nuevo método genómico ayuda a diagnosticar pacientes con enfermedad renal inexplicable
- Nuevo hidrogel inteligente allana el camino para nueva "piruleta" para diagnóstico de cáncer de boca
- Prueba de biomarcadores podría mejorar diagnóstico del cáncer de endometrio
- Prueba de ADN en heces de próxima generación supera a PIF en detección del cáncer colorrectal
- Innovador análisis de sangre de pTau217 es tan preciso como imágenes cerebrales o pruebas del LCR para diagnosticar Alzheimer
- Sistema de RT-PCR en el punto de atención de 10 minutos detecta hasta 32 objetivos por muestra
- Células extraídas de orina podrían permitir detección más temprana de enfermedad renal
- Análisis de sangre identifica a personas con mayor riesgo de morir por insuficiencia cardíaca
- Análisis de sangre muestra precisión del 83 % para detectar cáncer colorrectal