Tecnología basada en IA identifica causas genéticas de enfermedades serias

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