Desarrollan un sistema ‘inteligente’ que analiza los genes implicados en enfermedades como la fatiga crónica o la fibromialgia

Lo innovador de esta herramienta es que emplea una estrategia de consenso, es decir, no se queda con lo que dice un solo algoritmo, sino que compara los resultados de 26 de ellos y busca el punto en común más fiable, como si reuniera a un grupo de expertos y tomaran la decisión más acertada entre todos. Aunque lo habitual en este tipo de investigaciones es probar estos sistemas solo con datos simulados, BIO-INSIGHT va más allá y aplica su inteligencia artificial a datos reales de pacientes. De este modo, consigue una imagen mucho más precisa de cómo se relacionan los genes en enfermedades complejas como la fibromialgia o la encefalomielitis miálgica, ayudando a entender mejor su origen y evolución y facilitando el desarrollo de tratamientos más eficaces y personalizados.

«Este enfoque no solo mejora la fiabilidad de los resultados, sino que también ayuda a identificar patrones y mecanismos clave para comprender patologías complejas y avanzar hacia tratamientos más eficaces», explica Adrián Segura Ortiz, investigador de la Universidad de Málaga.

Además, este enfoque puede acelerar la identificación de biomarcadores y dianas terapéuticas —es decir, señales biológicas que indican la presencia o ausencia de una enfermedad—, lo que supone un avance en el diagnóstico y tratamiento de patologías complejas como las enfermedades autoinmunes, neurodegenerativas o cardiovasculares, entre otras.

26 algoritmos en 1

En el estudio, titulado Multifaceted evolution focused on maximal exploitation of domain knowledge for the consensus inference of Gene Regulatory Networks y publicado en Computers in Biology and Medicine, el equipo científico explica que las redes genéticas son como mapas que muestran cómo los genes se activan o desactivan, influyendo en diferentes funciones del cuerpo.

Por ejemplo, cuando el organismo detecta una infección, se encienden genes relacionados con el sistema inmunitario. Esta activación puede, a su vez, poner en marcha otros genes y afectar a procesos como la inflamación o la producción de defensas. Al entender cómo unos genes influyen en otros, los expertos pueden identificar cuáles están involucrados en la aparición de ciertas enfermedades.

La función de BIO-INSIGHT es descubrir patrones de activación en estos mapas que podrían estar detrás del desarrollo de patologías. Se trata de un algoritmo, es decir, una secuencia matemática que funciona como una receta de cocina: un sistema informático la sigue paso a paso para hacer algo, como resolver un problema o realizar una tarea. 

Una solución combinada y ajustada a cada caso

El equipo experto explica que esta herramienta es un algoritmo evolutivo. Esto significa que es un tipo de inteligencia artificial que aprende y mejora con el tiempo y el uso, de forma similar a un cerebro humano. 

Uno de los principales retos al usar distintos algoritmos es que no todos ofrecen el mismo rendimiento con cualquier tipo de datos: algunos funcionan mejor que otros según las características específicas de la información que analizan. Esto es, como un match en una aplicación de citas: hay algoritmos que funcionan mejor con ciertas bases de datos y otros que no encajan. 

Lo que hace BIO-INSIGHT es combinar la información de hasta 26 algoritmos que se aplican habitualmente como técnicas de análisis genético, como las redes neuronales o el machine learning, y mejora su estrategia de consenso para adaptarse a cada base de datos. «Gracias a esto, el investigador no tiene que adivinar por dónde empezar ni probar técnica por técnica, sin saber cuál se ajusta mejor a sus datos. BIO-INSIGHT ofrece directamente una solución combinada, ajustada a cada caso, que ya ha demostrado ser más precisa que usar cada método por separado», comenta Adrián Segura. 

Datos reales

Una de las grandes ventajas de BIO-INSIGHT es que mantiene la rigurosidad matemática individual de cada uno de los 26 algoritmos que agrupa y la enriquece con información biológica real gracias a la inteligencia artificial. De este modo, se puede extender su uso al estudio de enfermedades como la fibromialgia, encefalomielitis miálgica e incluso el diagnóstico dual de ambas patologías. Estas son patologías complejas y crónicas que actualmente carecen de biomarcadores validados, lo que dificulta su diagnóstico y tratamiento. 

De este modo, los expertos proponen una herramienta personalizada que podría tener utilidad tanto en el ámbito de la investigación como en la mejora de la toma de decisiones en el médico. 

El siguiente paso del equipo investigador del grupo Khaos de la Universidad de Málaga será aplicar técnicas más avanzadas de inteligencia artificial a nuevos grupos de pacientes con fibromialgia y síndrome de fatiga crónica. Además, quieren ampliar el uso de esta tecnología a otras enfermedades complejas, como la covid persistente, que comparte síntomas con las otras dos, con el objetivo de descubrir nuevos biomarcadores y avanzar hacia tratamientos más personalizados. Para ello, planean colaborar con otros centros de investigación y hospitales, con la idea de llevar estos avances científicos a la práctica médica diaria.

Este trabajo ha sido financiado por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía y fondos propios de la Universidad de Málaga. Asimismo, ha recibido apoyo del Ministerio de Ciencia e Innovación.

Referencia:

Segura-Ortiz, A., Giménez-Orenga, K., García-Nieto, J., Oltra, E., & Aldana-Montes, J. F. (2025). ‘Multifaceted evolution focused on maximal exploitation of domain knowledge for the consensus inference of Gene Regulatory Networks‘. Computers in Biology and Medicine, 196, 110632.

Fuente: Fundación Descubre