Intel·ligència artificial aplicada al diagnòstic de malalties rares relacionades amb el col·lagen VI

El sistema realitza el diagnòstic a partir d'imatges obtingudes amb un microscopi confocal situat a l'Hospital Sant Joan de Déu i es basa en tècniques d'aprenentatge artificial, usant casos prèviament diagnosticats pels especialistes de l'IRSJD per generar un sistema de diagnòstic totalment automàtic amb una fiabilitat superior al 95%. Aquesta valuosa eina permetrà avaluar l'efectivitat de forma objectiva de qualsevol nova teràpia que es pugui desenvolupar per tractar aquestes malalties.

Les deficiències en l'estructura del col·lagen VI són una causa comuna de malalties neuromusculars amb manifestacions que van des de la miopatia de Bethlem fins a la severa distròfia muscular congènita d'Ullrich. Els símptomes d'aquestes malalties inclouen debilitat muscular proximal i axial, hiperlaxitud distal, contractures articulars i insuficiència respiratòria crítica que requereix ventilació assistida, reduint dràsticament l'esperança de vida.

"Tot i que sabem que els defectes estructurals del col·lagen VI estan relacionats amb mutacions dels gens COL6A1, COL6A2 i COL6A3. El diagnòstic segueix sent difícil, tot i les actuals tecnologies de seqüenciació genètica." Comenta la Dra. Cecília Jiménez, coordinadora d'investigació de la Unitat de Patologia Neuromuscular.

Aquesta dificultat succeeix en general en les malalties causades per mutacions dominants, on no hi ha una absència completa d'una proteïna principal, i quan l'efecte d'una variant genètica en l'estructura de la proteïna pot no ser evident. Actualment, el diagnòstic de distròfies relacionades amb el col·lagen VI es realitza a partir de l'anàlisi de les imatges de cultius de fibroblasts pels especialistes.

Per aquesta anàlisi els professionals tenen en compte diferents aspectes de les imatges: la coherència en l'orientació de les fibres de col·lagen, la distribució de la xarxa de col·lagen i la disposició de les cèl·lules en aquesta xarxa per identificar els pacients potencials. No obstant això, aquesta avaluació és només qualitativa, i les agències reguladores no aprovaran cap tractament (com, per exemple, l'edició genètica mitjançant la tecnologia CRISPR / CAS9) sense una metodologia objectiva per avaluar la seva efectivitat.

Per aquest motiu el sistema proposat en el treball publicat a Applied Soft Computing serà una metodologia precisa per monitoritzar quantitativament efectes de qualsevol nova teràpia. Aquest sistema resol, d'una banda, el problema de la manca de dades per a l'aprenentatge típic en les malalties rares; de l'altra, assenyala les àrees possiblement problemàtiques en les imatges de consulta. I a més, proporciona una avaluació quantitativa general de la condició dels pacients.

Actualment la Unitat de Patologia Neuromuscular (Institut de Recerca Sant Joan de Déu · Hospital Sant Joan de Déu) és un referent a escala nacional i internacional en investigació i diagnòstic de les malalties neuromusculars per dèficit de col·lagen VI.

L'Institut de Robòtica i Informàtica Industrial és un centre mixt del Consell Superior d'Investigacions Científiques (CSIC) i de la Universitat Politècnica de Catalunya (UPC).

Descripció imatges

Imatge superior: Visualització del diagnòstic d'una imatge de cultiu de fibroblasts. Les diferents zones de la imatge s'avaluen de forma independent cosa que permet identificar ràpidament àrees amb defectes en el col·lagen VI. El sistema també proporciona un diagnòstic general per poder fer un seguiment dels pacients.

Imatge inferior: Imatges de cultius de fibroblasts obtingudes amb un microscopi confocal. Esquerra: una mostra de control. Centre: mostra d'un pacient amb miopatia de Bethlem. Dreta: Mostra d'un pacient de la distròfia muscular d'Ullrich. En les tres imatges, la xarxa de col·lagen es mostra en verd i els nuclis dels fibroblasts en blau.

Article de referència

Bazaga A, Roldán M, Badosa C, Jiménez-Mallebrera C, Porta J. A Convolutional Neural Network for the automatic diagnosis of collagen VI-related muscular dystrophies. Applied Soft Computing. 2019 Dec 85.