Usan un modelo de IA para predecir el riesgo de sepsis tras cirugía
Un equipo del Centro de Investigación Biomédica en Red (CIBER) ha aplicado un modelo de inteligencia artificial explicable (XAI) para localizar y ordenar la información genética asociada a un mayor riesgo de sepsis tras una intervención quirúrgica.
El trabajo se ha desarrollado desde el área de Bioingeniería, Biomateriales y Nanomedicina (CIBER-BBN) y el área de Enfermedades Infecciosas (CIBERINFEC) en el Hospital Clínico Universitario de Valladolid, en Castilla y León. El objetivo ha sido mejorar la identificación del riesgo mediante datos genéticos.
La sepsis es una complicación grave vinculada a una respuesta descontrolada del organismo ante una infección, normalmente bacteriana. Es la forma más severa de una infección y su mortalidad se sitúa entre el 10 y el 20 por ciento, con picos de hasta el 40 por ciento en casos de shock séptico.
- IA explicable y sepsis postoperatoria
- Diseño del análisis y datos GWAS
- Genes y variantes priorizadas
- Utilidad en la práctica clínica
- Pasos siguientes y validación
- Colaboraciones e instituciones
IA explicable y sepsis postoperatoria
La sepsis causa alrededor de 11 millones de muertes al año en el mundo. En España se estiman unas 17.000 muertes anuales. Ante este impacto, el estudio ha empleado un enfoque de XAI para detectar factores genéticos que elevan la probabilidad de sepsis tras cirugía.
La característica principal del modelo es que, además de generar una predicción, permite explicar qué variantes aportan más al riesgo. Esta lectura priorizada busca facilitar la interpretación de los resultados en un contexto biomédico.
Diseño del análisis y datos GWAS
El trabajo, publicado en Frontiers, se apoya en datos de un análisis de asociación del genoma completo (GWAS). Se incluyó información genética de 753 pacientes que desarrollaron sepsis después de una cirugía y de 3.500 controles poblacionales.
Con ese conjunto de datos, el modelo de IA explicable permitió predecir el riesgo de aparición de sepsis y, a la vez, jerarquizar las variantes genéticas con mayor contribución a ese riesgo.
Genes y variantes priorizadas
El enfoque identificó variaciones genéticas en los genes PRIM2, RBSN y SYNPR, con implicaciones funcionales, regulatorias y clínicas. Estas señales se presentaron como las más relevantes dentro del marco analizado.
Además, se señalaron genes vinculados a procesos biológicos clave. Entre ellos figuran la regulación de la expresión génica, la replicación del ADN, la señalización celular, la proliferación celular y la disfunción cardíaca.
Utilidad en la práctica clínica
Según lo indicado por el equipo investigador, la determinación de estas variantes mediante análisis de sangre preoperatorios podría convertirse en una herramienta para mejorar la estratificación del riesgo en pacientes quirúrgicos.
También se plantea su utilidad para facilitar la detección precoz de la sepsis postoperatoria y orientar intervenciones clínicas más personalizadas, con el propósito de mejorar los resultados clínicos y la supervivencia de los pacientes.
Pasos siguientes y validación
El estudio precisa que harán falta más investigaciones para reforzar los hallazgos. Se incluyen análisis in vitro e in vivo, además de estudios complementarios en cohortes con pacientes con sepsis y sin sepsis sometidos a cirugía mayor.
El objetivo de esos trabajos adicionales sería evaluar de forma más óptima los factores genéticos asociados a la predisposición a la sepsis y aportar una validación externa de los resultados exploratorios.
Colaboraciones e instituciones
La investigación ha contado con la participación de personal del CIBER de Enfermedades Respiratorias (CIBERES) y del CIBER de Enfermedades Raras (CIBERER), así como de la Universidad de Valladolid y la Universidad de Leicester en el Reino Unido, entre otras entidades.