La intel·ligència artificial com a clau per predir el risc de diabetis tipus 2

Font: DGLimages - Getty Images.

Equips de recerca del Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS), la Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU) i l'Institut de Recerca Germans Trias i Pujol (IGTP) estan treballant en un projecte que utilitza la intel·ligència artificial per predir i prevenir la diabetis tipus 2. La iniciativa s'emmarca dins del Plan Complementario de Biotecnología Aplicada a la Salud, coordinat per l'Institut de Bioenginyeria de Catalunya (IBEC).

En els països desenvolupats, una gran part de la càrrega assistencial se centra en el tractament de malalties cròniques no transmissibles com la diabetis tipus 2, una de les més freqüents. La recerca ha intensificat els esforços per trobar tractaments i protocols que puguin predir i prevenir aquestes malalties.

El desenvolupament de models predictius per a la diabetis tipus 2 segueix presentant grans reptes a dia d'avui.  Cal integrar un visió global que tingui en compte tots els elements als quals estem exposats a través de la nostra dieta, estil de vida i entorn en què vivim i treballem, així com factors biològics interns com el metabolisme,  la genètica i la epigenètica, el que es coneix com exposoma.

S'han fet una gran quantitat d'estudis identificant variacions a gens específics amb l'esperança que resultin útils com a dianes terapèutiques i per predir el risc de patir la malaltia. Ara bé, el nombre limitat de persones estudiades de poblacions concretes i la dificultat per integrar altres variables més enllà de la genètica, com les marques epigenètiques, fan que la validesa dels models de predicció sigui encara limitada.

El projecte "IA4T2D: Desenvolupament i implementació de models integrats d'intel·ligència artificial per a la predicció del risc de la Diabetis de Tipus 2" recorre a la intel·ligència artificial per construir models basats en l'autoaprenentatge que identifiquin determinants epigenètics,  juntament amb clínics i ambientals. D'aquesta manera, els investigadors esperen poder predir el risc de la malaltia i classificar els pacients per prognosi i resposta als tractaments existents.

Rafael de Cid, líder del projecte estratègic de l'IGTP GCAT|Genomes for life i co-PI del projecte, explica: "Els models combinats que volem desenvolupar no només permetran proposar noves dianes terapèutiques, sinó també identificar predictors que permetin implementar protocols clínics personalitzats per a cada persona, així com de salut ambiental nivell poblacional". El present projecte analitzarà una sub-cohort clínica de 400 voluntaris GCAT. Comparant els perfils de metilació  analitzant  prop de de 900,000  punts CpG, al llarg de tot el genoma, de voluntaris sans i diagnosticats amb diabetis tipus 2,  per tal d'identificar els mecanismes epigenètics involucrats en la aparició i progressió de la malaltia.

El projecte es va iniciar el darrer mes de juny i tindrà una durada de 22 mesos. Està emmarcat en la Línia d'actuació 2 del Plan Complementario de Biotecnología Aplicada a la Salud, enfocada a l'obtenció i l'estudi d'àmplies bases de dades experimentals que permetin la caracterització fisiopatològica de la població, i ha estat cofinançat pel Ministerio de Ciencia e Innovación amb fons de la Unió Europea NextGenerationEU, el Plan de Recuperación, Transformación y Resiliencia (PRTR-C17.I1) i la Generalitat de Catalunya.

Les entitats involucrades són el Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS), la Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU) i l'Institut de Recerca Germans Trias i Pujol (IGTP).