La artritis no es solo una enfermedad de la vejez, sino que también puede afectar a los niños, causando dolor y discapacidad de por vida en sus formas más graves. Afortunadamente, algunos niños crecen fuera de ella. Saber qué pacientes desarrollarán formas más leves de enfermedad podría evitartratamiento innecesario y posibles efectos secundarios de los medicamentos, pero actualmente los médicos no tienen forma de predecir el curso o la gravedad de la enfermedad.
Eso ahora podría cambiar gracias a una herramienta de aprendizaje automático desarrollada por Quaid Morris, profesor de informática en el Centro Donnelly de Investigación Celular y Biomolecular de la Universidad de Toronto, Dr. Rae Yeung, Profesor de Pediatría, Inmunología y Ciencias Médicasen la Universidad de Toronto, y su estudiante recientemente graduado y co-supervisado Simon Eng.
Morris también es facultad en el Instituto de Vector de Inteligencia Artificial y es una Cátedra inaugural de IA del Instituto Canadiense para el Avance de la Investigación. Yeung es también la Cátedra inaugural Hak-Ming y Deborah Chiu en Investigación Translacional Pediátrica en el Hospital para Niños EnfermosSickKids.
Escribiendo en el diario Medicina PLOS , los investigadores describen un enfoque computacional basado en el aprendizaje automático, una forma de inteligencia artificial en la que la computadora aprende a reconocer patrones recurrentes de un mar de datos. El algoritmo pudo clasificar a los pacientes en siete grupos distintos de acuerdo con los patrones dearticulaciones inflamadas o dolorosas en el cuerpo. Además, también predijo con precisión qué niños entrarán en remisión más rápido y cuáles desarrollarán una forma más grave de enfermedad.
Se estima que 300,000 niños sufren de artritis solo en los Estados Unidos. Si bien sus desencadenantes aún no están claros, la enfermedad ocurre cuando el sistema inmunitario confunde las células del cuerpo con invasores extraños, atacando el revestimiento de las articulaciones para causar hinchazón, dolor yposiblemente daño de larga duración. No existe cura y el tratamiento consiste en medicamentos progresivamente más agresivos y costosos, comenzando con medicamentos antiinflamatorios para aliviar el dolor, como el ibuprofeno, hasta medicamentos más fuertes que incluyen metotrexato un agente de quimioterapia, esteroides y medicamentos biológicos.agentes como anti-TNF y anti-IL-1 que desconectan partes del sistema inmunitario.
"La etapa final del tratamiento es muy efectiva en algunos niños, pero también muy costosa, y no está claro cuáles son los efectos a largo plazo", dice Morris. "Cuando se inhibe la función del sistema inmunitario, este tipodel tratamiento puede asociarse con posibles efectos secundarios, incluido un mayor riesgo de infección y otros "
"Saber qué niños se beneficiarán de qué tratamiento en qué momento es realmente la piedra angular de la medicina personalizada y la pregunta que los médicos y las familias quieren que se responda cuando se diagnostica a los niños por primera vez", dice Yeung, quien también es un Reumatólogo Pediátrico y Científico Principal en SickKids.
Como primer paso, los investigadores se propusieron subtipar a los niños que desarrollaron artritis pero que aún no habían sido tratados con medicamentos. Analizaron datos clínicos de 640 niños, recopilados entre 2005 y 2010 como parte del estudio pancanadiense Research inArtritis en niños canadienses, enfatizando los resultados ReACCh-OUT. Todos los niños recibieron exámenes físicos detallados como parte de su cuidado, que incluyó documentar la ubicación de las articulaciones dolorosas también conocidas como activas en el cuerpo.
Los datos revelaron siete patrones principales de actividad articular: articulaciones en el área pélvica, dedos, muñecas, dedos de los pies, rodillas, tobillos y un patrón indistinto. Y aunque la mayoría de los niños cayeron en una sola categoría, aproximadamente un tercio de los pacientes teníanarticulaciones activas que pertenecían a más de un grupo. Estos pacientes con afectación articular no localizada generalmente tuvieron peores resultados y tardaron más en entrar en remisión que los pacientes cuyas articulaciones activas caen en un solo patrón.
Aunque se reconocen patrones únicos de afectación articular al lado de la cama, la clasificación actual del paciente para la artritis infantil solo tiene en cuenta el número total de articulaciones afectadas. Está claro que se necesitan mejores descripciones de la afectación articular que predigan el curso y la gravedad de la enfermedadSegún los datos, fue sorprendente que los niños con afectación articular no localizada son diferentes. Los médicos ya habían observado esto antes, ya que trataban a estos niños con medicamentos fuertes pero aún no podían controlar la enfermedad.
"La identificación temprana de este grupo de niños nos ayudará a enfocarnos en los tratamientos correctos temprano y a prevenir el dolor innecesario y la discapacidad de la enfermedad activa en curso", dice Yeung.
Debido a la complejidad de la enfermedad, con múltiples articulaciones afectadas y de una manera que puede cambiar con el tiempo, así como un número relativamente pequeño de pacientes disponibles, el equipo tuvo que mirar más allá de los métodos estadísticos estándar para detectar patrones de dolor en las articulaciones.
"Tuvimos que usar el aprendizaje automático solo para detectar estos siete patrones de enfermedad en primer lugar", dice Morris, cuyo equipo modificó la técnica conocida como factorización de matriz no negativa multicapa. "Y luego nos dimos cuenta de que hay algunos niños queno entran en ninguno de los patrones y tienen una versión muy mala de la enfermedad. Ahora que comprendemos la enfermedad mucho mejor, podemos agrupar a los niños en estas diferentes categorías para predecir la respuesta al tratamiento, qué tan rápido entran en remisión y siNo podemos decir que están en remisión y eliminar la terapia ".
Fuente de la historia :
Materiales proporcionados por Universidad de Toronto . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :