La nota de prensa sí refleja el estudio a grandes rasgos. Es un estudio muy relevante sobre la potencialidad diagnóstica del análisis por inteligencia artificial (aprendizaje automático) de las secuencias de los receptores linfocitarios específicos (TcR y BcR) para descifrar el historial de infecciones y enfermedades pasadas del sistema inmunitario de un individuo. Esto parece permitir disponer de una herramienta poderosísima para diagnosticar trastornos autoinmunes, infecciones virales, respuestas a vacunas... y, en general, todas las enfermedades donde la respuesta inmune juega un papel, que son prácticamente todas. 

El estudio está bien documentado y las conclusiones necesitarán más estudios concretos, pero los datos son muy indicativos de que las opciones de futuro son altísimas. 

Todo lo presentado por el momento encaja con la evidencia existente, pero de nuevo el trabajo ha abordado unos pocos casos concretos. 

La principal limitación viene de la implantación de métodos de secuenciación masiva para el diagnóstico continuo de situaciones patológicas, lo que supone aún un desafío técnico y económico en la mayoría de los entornos sanitarios. 

La propuesta sin duda puede tener implicaciones diagnósticas y de manejo de los pacientes en el mundo real, aunque debe de ir ‘aterrizando’ a más casos concretos. 

El estudio presentado por Zaslavsky et al. representa un avance muy importante en la integración de la inteligencia artificial en el diagnóstico inmunológico, al aplicar el aprendizaje automático sobre secuencias de receptores de células inmunitarias para clasificar múltiples enfermedades con una alta precisión.  

La metodología empleada, denominada Machine Learning for Immunological Diagnosis (Mal-ID), permite identificar firmas inmunológicas específicas de enfermedades infecciosas, autoinmunes y respuestas vacunales a partir del repertorio de receptores inmunitarios. Este enfoque supone un cambio de paradigma en el diagnóstico, ya que tradicionalmente la evaluación inmunológica se ha basado en la detección de anticuerpos y biomarcadores indirectos, mientras que esta tecnología aprovecha la inmensa diversidad del repertorio inmunológico para extraer gran cantidad de datos que proporcionan información altamente específica. La validación de esta metodología, que se ha hecho en un conjunto diverso de enfermedades, subraya su potencial como una herramienta versátil y de gran valor clínico. 

La aplicación de IA en inmunología clínica abre nuevas posibilidades para mejorar nuestra precisión diagnóstica, reducir el tiempo de diagnóstico y personalizar los tratamientos en función de la huella inmunológica del paciente. En este contexto, el uso de estos modelos para analizar secuencias de receptores inmunes supone una estrategia innovadora que podría aplicarse a una variedad aún mayor de patologías, incluyendo enfermedades raras u otras enfermedades de base inmunitaria. Sin embargo, su implementación en la práctica clínica requerirá estudios adicionales para evaluar su reproducibilidad en distintos entornos, así como su integración con otros marcadores inmunológicos y datos clínicos. A medida que la IA continúe refinando nuestra capacidad para interpretar respuestas inmunes complejas, es fundamental que los inmunólogos lideremos su implementación para garantizar su aplicación segura y efectiva en la toma de decisiones clínicas. 

La respuesta inmunitaria específica se monta gracias a que cada una de las células responsables de ella, los linfocitos, portan un receptor con una secuencia única que permite reconocer un antígeno y solamente uno. Cuando estas células reconocen al antígeno, proliferan y se expanden, pero solo las que portan una secuencia de ese receptor capaz de interaccionar con el antígeno. Por tanto, si se consigue caracterizar y distinguir de entre los millones de receptores posibles los que se han expandido y reaccionado frente a ese antígeno, podría ser una valiosa herramienta diagnóstica, especialmente en casos complejos como las enfermedades autoinmunitarias. 

En el trabajo dirigido por Scott Boyd, se ha interrogado qué secuencias reaccionan en varias enfermedades (covid19, SIDA, lupus y diabetes tipo 1) y si estas eran capaces de diagnosticar la enfermedad. Para la interpretación de los datos generados tras la secuenciación de millones de células, se ha recurrido a una estrategia de inteligencia artificial basada en el aprendizaje automático. Los diagnósticos interpretados por la inteligencia artificial correlacionan perfectamente con los establecidos por métodos clínicos y de laboratorio. 

Si bien esta estrategia se encuentra aún muy alejada del entorno clínico, es evidente que puede ser de gran utilidad en el futuro, especialmente cuando el diagnóstico sea ambiguo, y en cualquier caso representa un primer paso importante en la utilización de las herramientas de inteligencia artificial para el diagnóstico de enfermedades inmunitarias.