Mal-ID emplea un enfoque de aprendizaje automático para examinar conjuntos de datos de los receptores del sistema inmunológico.
Un innovador sistema de aprendizaje automático (Mal-ID) tiene la capacidad de desentrañar el registro de enfermedades del sistema inmunológico, un eficaz instrumento con la capacidad de detectar con exactitud trastornos autoinmunitarios, infecciones por virus y respuestas a vacunas.
Los procedimientos clínicos convencionales para el diagnóstico de enfermedades autoinmunes u otras afecciones inmunológicas generalmente se fundamentan en una mezcla de exploración física, anamnesis del paciente y varios exámenes de laboratorio para identificar irregularidades celulares o moleculares.
Es un procedimiento extenso que frecuentemente se dificulta debido a diagnósticos iniciales incorrectos y sistemas dudosos.
Investigadores de la Universidad de Stanford crearon Mal-ID (Aprendizaje Automático para Diagnóstico Inmunológico), un sistema de aprendizaje automático de tres modelos que examina conjuntos de datos de receptores inmunológicos con el fin de reconocer marcas de enfermedades infecciosas e inmunológicas y respuestas a vacunas en pacientes.
Desarrollaron a Mal-ID utilizando información recolectada de manera sistemática de 593 personas, incluyendo pacientes con Covid-19, VIH y diabetes de tipo 1, además de receptores de la vacuna antigripal y controles de salud.
De acuerdo con los hallazgos de la investigación publicada en la revista Science, Mal-ID identificó de manera efectiva seis estados de enfermedad diferentes en 550 muestras emparejadas con una puntuación Auroc multiclase de 0,986, lo que señala una precisión de clasificación excepcional.
Esa medida demuestra la habilidad del modelo para poner los casos positivos por encima de los negativos en todas las comparaciones de patologías.
A pesar de que el modelo consiguió distinguir entre COVID-19, VIH, lupus, T1D e individuos saludables, lo que demuestra su capacidad como eficaz instrumento de diagnóstico, los especialistas indican que el enfoque todavía necesita ser mejorado usando datos clínicos antes de que pueda ser utilizado con seguridad en aplicaciones clínicas.
Con la información de Últimas Noticias.
