Halla una vinculación entre el desarrollo de la fatiga crónica y las personas tratadas con radioterapia

Halla una vinculación entre el desarrollo de la fatiga crónica y las personas tratadas con radioterapia
10 de agosto de 2018 PIXABAY/GERALT

OVIEDO, 10 Ago. (EUROPA PRESS) -

El Grupo de Problemas Inversos, Optimización y Aprendizaje Automático de la Universidad de Oviedo, dirigido por el catedrático Juan Luis Fernández-Martínez, en colaboración con el grupo de estudio de la fatiga crónica del National Institute of Health (Washington), que dirige el profesor Leorey Saligan, ha descrito un nuevo mecanismo que explica el desarrollo de la fatiga crónica en personas enfermas de cáncer tratadas con radioterapia, tal y como recoge un artículo que ha visto la luz en la revista 'Nature-Translational Psychiatry'.

Se calcula que la fatiga crónica afecta al 80 por ciento de los pacientes de cáncer. Este síndrome suele persistir durante mucho tiempo después del tratamiento y afecta negativamente a la vida de las personas. Como en casos anteriores, los resultados obtenidos provienen de una modelización robusta del 'little-big data' biomédico. Según ha indicado la Universidad en nota de prensa, los datos siempre son escasos y costosos, y el número de genes diana siempre es mucho más elevado debido a este alto grado de indeterminación.

En este caso, se realizó la extracción del ARN de 36 hombres con una media de edad de 66 años y diferentes razas (blancos, asiáticos, afroamericanos e hispanos), doce de los cuales exhibían fatiga en alto grado después de un año de administración de la radioterapia. A partir del ARN se realizó un análisis de expresión genética lo que dio lugar a un conjunto de datos altamente dimensional (alrededor de 600.000 medidas por paciente).

"La detección de los genes desregulados no es sencilla", ha explicado el profesor Fernández-Martínez. "Es igual que si te piden determinar 100 números diferentes sabiendo su suma. El problema admite una multiplicidad de soluciones, es decir, como intentar abrir una caja fuerte con múltiples combinaciones. Los experimentos genéticos son cada vez más complejos, mientras que el número de datos no se incrementa, porque medir cuesta", ha señalado. Una tesis doctoral defendida por Enrique de Andrés Galiana en la Universidad de Oviedo demostró la importancia de los algoritmos desarrollados para este trabajo.

Los métodos de diagnóstico genético no han llegado aún a la mayoría de los hospitales de España, y su coste sigue siendo alto. De ahí la importancia de la iniciativa del Grupo de problemas Inversos, encabezado por el catedrático Fernández-Martínez, que consiste en diseñar metodologías robustas para muestrear las vías genéticas defectivas en cualquier síndrome o patología, lo que podría provocar un avance de la medicina traslacional no conocido hasta ahora. Se trata de caracterizar las vías genéticas afectadas más que los genes individuales que las representan. De esta manera se entiende su función.

"En este caso, además, nos dimos cuenta de que trabajar con datos brutos, que procedían directamente de la máquina, tenía sus ventajas. Modelizar es un arte y se deben evitar manipulaciones que introduzcan sesgos, aunque su objetivo inicial fuese precisamente lo contrario", ha indicado Fernández-Martínez.

Según la investigación, la radioterapia incrementa los niveles de una proteína denominada 'mGluR5', presente en el cuerpo humano. Este incremento provoca en los pacientes de cáncer que ya tenían un nivel elevado de esta proteína antes del tratamiento desarrollen "en alto grado" la fatiga crónica.

Para el profesor Fernández-Martínez, "lo interesante es poder recorrer el camino que va desde el paciente hasta el experimento en laboratorio y su posterior traslación a la cura y/o al medicamento, gracias a la guía proporcionada por algoritmos matemáticos de inteligencia artificial".

Se trata de aportar nuevas hipótesis en cuanto a nuevas dianas terapéuticas, acortando los tiempos de investigación. También es posible segmentar a los pacientes en función de su respuesta y optimizar los tratamientos.

"Es importante que esto se haga en la práctica médica. Para ello se necesita creer en el poder de la genética y del big-data biomédico, convenientemente minado, en la resolución de enfermedades", ha indicado. De esto trata el proyecto Finisterrae, que lidera su grupo de investigación, y que versa de la resolución efectiva de importantes enfermedades neurodegenerativas, raras y cáncer.