Es una enfermedad cruel que acorta dramáticamente la esperanza de vida . Uno de cada 25 europeos es portador del gen de la fibrosis quística y, en el Reino Unido, aproximadamente 10,400 personas padecen la enfermedad. Pero las personas viven más y más tiempo gracias a las mejoras en la detección al nacer, el tratamiento temprano y la medicación.

Una de las cosas más importantes es que los pacientes tomen el medicamento que inhibirá más eficazmente la progresión de la enfermedad; hay varias opciones disponibles. Comprender la progresión de la enfermedad a lo largo del tiempo, y cómo esto se ve influenciado por los medicamentos y los factores ambientales, es vital para mejorar el pronóstico del paciente. Pero diferentes personas responden de manera diferente a las drogas, habitan en diferentes entornos y la escala de tiempo de progresión es larga.

Entonces, la pregunta es, ¿cómo pueden los médicos predecir qué paciente responderá mejor a qué tratamiento? Desafortunadamente esto sigue siendo bastante desafiante. Sin embargo, curiosamente, hemos desarrollado una nueva técnica basada en la investigación astrofísica, publicada en PLOS One , que puede cambiar el juego.

La clave de cualquier investigación sobre el tratamiento de enfermedades es la gran cantidad de datos. En enfermedades comunes, como el cáncer, se pueden construir conjuntos de datos de alta calidad para muchos pacientes a lo largo del tiempo dentro de un sistema administrativo, como una autoridad de salud regional o nacional. Estos pueden anonimizarse eficientemente para que los investigadores puedan estudiar la progresión de individuos o grupos de pacientes a través del tiempo utilizando identificadores anónimos.

El desafío con la fibrosis quística, como enfermedad rara, es cómo reunir grandes muestras de pacientes. Los países tienen sus propios conjuntos de datos de pacientes, pero los tamaños de muestra son pequeños. El Registro de pacientes de la Sociedad Europea de Fibrosis Quística , que hoy incluye datos de más de 42,000 personas, se estableció para fusionar conjuntos de datos nacionales. Pero la calidad de los datos no siempre es uniforme y, con la anonimización requerida para compartir datos, a menudo se rompieron los hilos vitales que unían los diferentes datos para un solo paciente a lo largo del tiempo. Sin identificadores anónimos, es imposible realizar estudios longitudinales siguiendo grupos de pacientes a lo largo del tiempo.

Telescopios versus clinicas

Trabajando con mi estudiante, y luego con un colega, Peter Hurley , que tiene fibrosis quística, nos dimos cuenta de que, como los astrofísicos familiarizados con el análisis de los datos de cientos de miles de galaxias, podríamos tener una solución potencial. En astronomía, uno de nuestros desafíos es vincular un objeto celeste, como una galaxia distante, en una imagen tomada por un telescopio con el mismo objeto en otra imagen desde un telescopio diferente.

Esto es más difícil de lo que piensas, ya que algunos telescopios tienen una resolución mucho menor que otros. Una «burbuja» brillante que cree que es una galaxia en una imagen podría superponerse con muchas galaxias en una imagen de mayor resolución. Además, las diferentes galaxias tienen diferentes colores, por lo que pueden o no ser visibles para diferentes telescopios (normalmente solo detectan longitudes de onda específicas de la luz). Hacemos coincidir las galaxias utilizando un marco computacional que calcula la probabilidad de que un par de objetos celestes en dos imágenes sean realmente iguales y comparamos esto con una hipótesis alternativa de que podrían ser dos objetos diferentes que simplemente están cerca.

Por ejemplo, dada una separación observada y los errores de posición conocidos de los objetos en nuestros catálogos, podemos calcular la probabilidad de que la separación real sea cero (son lo mismo). Del mismo modo, al conocer la densidad de las galaxias, podemos calcular la probabilidad de que uno suceda, por casualidad, dentro de un círculo con el radio de la separación observada.

Por lo tanto, esperamos que al utilizar las mismas técnicas podamos vincular diferentes registros que pertenecen al mismo paciente. La forma obvia de vincular objetos en dos catálogos astronómicos es por posición. Un objeto estaría vinculado a un objeto en la misma posición en el segundo catálogo. Por analogía, podríamos vincular dos registros en un registro de pacientes si tuvieran la misma edad, género, genética u otras características.

Pero a menudo esto no es suficiente. Dos galaxias diferentes pueden tener posiciones similares y dos pacientes diferentes pueden tener la misma edad, género y genotipo . Para refinar los partidos, tenemos que considerar más características. Pero estos pueden variar, por ejemplo, el brillo de una galaxia puede ser diferente según el telescopio que la mida. Y el peso de un paciente puede cambiar de una visita clínica a otra. En astronomía resolvemos esto con un modelo de cómo varía la luz de la galaxia como se ve a través de diferentes telescopios.

Un factor clave de nuestro método fue que incluimos un modelo análogo de cómo se espera que el índice de masa corporal de los pacientes varíe con el tiempo. El índice de masa corporal aparece en cada registro de paciente y sabemos cómo varía con la edad y la progresión de la fibrosis quística.

Nuevo libro de respuestas

Trabajando con Anil Mehta en la Universidad de Dundee , que había sido fundamental para establecer el registro de pacientes de la Sociedad Europea de Fibrosis Quística, probamos el algoritmo en un subconjunto de los datos provenientes de Dinamarca. Esto se consideró el mejor conjunto de datos: los registros que pertenecen a cualquier paciente podrían vincularse de manera confiable a través de un identificador anónimo que se proporcionó. Esto significaba que teníamos un libro de respuestas.

Comparamos los registros a ciegas sin usar este identificador y luego verificamos nuestras respuestas. Estuvimos razonablemente contentos con nuestros resultados. Sin embargo, en una inspección más cercana, resultó que muchos de los casos en los que parecíamos estar equivocados eran en realidad errores administrativos que surgían en la entrada manual de los identificadores anónimos de pacientes en la base de datos danesa. Entonces, nuestros partidos fueron correctos, pero el libro de respuestas estaba equivocado. Eso significó que en el Registro de pacientes de la European Cystic Fibrosis Society, gracias al algoritmo derivado de la astrofísica, existe una versión completa y precisa del conjunto de datos danés que muestra el progreso de los pacientes año tras año que puede compararse con su medicación o cualquier otro factor. deseado.

Publicamos nuestro método en un documento para que otras personas que trabajen en las bases de datos de registro de pacientes, en particular las relacionadas con enfermedades raras, puedan aplicar esta técnica para unir registros de pacientes donde todavía no existan o para verificar y limpiar sus conjuntos de datos. Esperamos seguir trabajando con el Registro de Pacientes de la Sociedad Europea de Fibrosis Quística para proporcionar enlaces para todos sus registros, y estamos esperando la aprobación para esto.

Esperamos que esto ofrezca alguna esperanza a las personas con fibrosis quística y otras enfermedades raras para que los investigadores pronto tengan una mejor oportunidad de encontrar factores y medicamentos que puedan mejorar su calidad de vida.

https://theconversation.com/how-astrophysics-could-transform-the-treatment-of-cystic-fibrosis-and-other-rare-diseases-104449