Equipos de investigación del Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS), la Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU) y el Instituto de Investigación Germans Trias i Pujol (IGTP) están trabajando en un proyecto que utiliza la inteligencia artificial para predecir y prevenir la diabetes tipo 2. La iniciativa se enmarca dentro del Plan Complementario de Biotecnología Aplicada a la Salud, coordinado por el Instituto de Bioingeniería de Catalunya (IBEC).
En los países desarrollados, gran parte de la carga asistencial se centra en el tratamiento de enfermedades crónicas no transmisibles como la diabetes tipo 2, una de las más frecuentes. La investigación ha intensificado los esfuerzos para encontrar tratamientos y protocolos que puedan predecir y prevenir estas enfermedades.
El desarrollo de modelos predictivos para la diabetes tipo 2 sigue presentando grandes retos a día de hoy. Es necesario integrar una visión global que tenga en cuenta todos los elementos a los que estamos expuestos a través de nuestra dieta, estilo de vida y entorno en el que vivimos y trabajamos, así como factores biológicos internos como el metabolismo, la genética y la epigenética, lo que se conoce como exposoma.
Se han realizado una gran cantidad de estudios identificando variaciones en genes específicos con la esperanza de que resulten útiles como dianas terapéuticas y para predecir el riesgo de padecer la enfermedad. Sin embargo, el número limitado de personas estudiadas de poblaciones concretas y la dificultad para integrar otras variables más allá de la genética, como las marcas epigenéticas, hacen que la validez de los modelos de predicción sea todavía limitada.
El proyecto “IA4T2D: Desarrollo e implementación de modelos integrados de inteligencia artificial para la predicción del riesgo de la Diabetes de Tipo 2” recurre a la inteligencia artificial para construir modelos basados en el autoaprendizaje que identifiquen determinantes epigenéticos, clínicos y ambientales. De esta forma, los investigadores esperan poder predecir el riesgo de la enfermedad y clasificar a los pacientes por prognosis y respuesta a los tratamientos existentes.
Rafael de Cid, líder del proyecto estratégico del IGTP GCAT|Genomes for life y co-PI del proyecto, explica: “Los modelos combinados que queremos desarrollar no sólo permitirán proponer nuevas dianas terapéuticas, sino también identificar predictores que permitan implementar protocolos clínicos personalizados para cada persona, así como de salud ambiental a nivel poblacional”. El presente proyecto analizará una subcohorte clínica de 400 voluntarios GCAT. Comparando los perfiles de metilación analizando cerca de 900,000 puntos CpG, a lo largo de todo el genoma, de voluntarios sanos y diagnosticados con diabetes tipo 2, a fin de identificar los mecanismos epigenéticos involucrados en la aparición y progresión de la enfermedad.
El proyecto se inició el pasado mes de junio y tendrá una duración de 22 meses. Está enmarcado en la Línea de actuación 2 del Plan Complementario de Biotecnología Aplicada a la Salud, enfocada en la obtención y estudio de amplias bases de datos experimentales que permitan la caracterización fisiopatológica de la población, y ha sido cofinanciado por el Ministerio de Ciencia e Innovación con fondos de la Unión Europea NextGenerationEU, el Plan de Recuperación, Transformación y Resiliencia (PRTR-C17.I1) y la Generalitat de Catalunya.
Las entidades involucradas son el Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS), la Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU) y el Instituto de Investigación Germans Trias i Pujol (IGTP).
