Un equipo de científicos de la Universidad de California San Diego desarrolló un modelo de aprendizaje automático que podría mejorar la precisión en la estimación del riesgo genético de diabetes tipo 1
Modelos genéticos permitirán predecir el riesgo de diabetes tipo 1-. El modelo, denominado T1GRS, integra el análisis de 199 variantes genéticas y evalúa interacciones complejas dentro del sistema inmunológico. A diferencia de herramientas previas, su enfoque permite identificar a personas con riesgo elevado incluso fuera de los subgrupos clásicos, lo que podría facilitar la implementación de estrategias preventivas y un seguimiento más temprano.
Hasta ahora, las herramientas genéticas disponibles permitían identificar principalmente a individuos con variantes de riesgo muy alto. Esto dejaba fuera a una proporción significativa de personas que desarrollaban la enfermedad sin presentar esos marcadores evidentes, lo que limitaba las posibilidades de diagnóstico anticipado.En muchos casos, la enfermedad aparece de forma inesperada, incluso en niños previamente sanos, aunque también puede aparecer en adultos, con síntomas ya avanzados.
Leer también: Científicos registraron la ruptura de una placa tectónica bajo Canada
Esto dificulta una intervención temprana y aumenta el riesgo de complicaciones.Para desarrollar T1GRS, el equipo analizó datos genéticos de más de 20.000 personas con diabetes tipo 1 y casi 800.000 sin la enfermedad. A partir de este análisis, se identifican 79 regiones del genoma previamente asociadas con la patología y 13 nuevas vinculadas con funciones como la regulación genética, la respuesta inmune y el control del metabolismo de la glucosa.
Según explicó Emily Griffin, primera autora del estudio, el MHC contiene patrones genéticos que aparecen con mayor frecuencia en personas con diabetes tipo 1. Aunque su presencia no garantiza el desarrollo de la enfermedad, su ausencia reduce considerablemente la probabilidad de aparición.Uno de los aportes más relevantes del modelo es la posibilidad de clasificar a las personas con diabetes tipo 1 en cuatro subtipos genéticos, cada uno con características clínicas diferentes.
Para evaluar su desempeño, el modelo fue probado en biobancos internacionales como el All of Us Research Program y nPOD. Aunque las muestras eran más pequeñas, la capacidad predictiva se mantuvo elevada, con niveles de precisión cercanos al 87%.Además, el sistema logró clasificar correctamente a personas de distintas ascendencias dentro de los cuatro subtipos definidos inicialmente. Este resultado sugiere que la herramienta podría tener aplicación en poblaciones diversas, aunque los autores señalan la necesidad de continuar ampliando los estudios.
EO/// Con información de: Noticias Venevisión