Mal-ID: la inteligencia artificial que busca identificar enfermedades a través del sistema inmunológico

El sistema inmunológico conserva señales de las infecciones y otros procesos que ha enfrentado. Ahora, una herramienta de inteligencia artificial llamada Mal-ID busca aprovechar esa información para distinguir diferentes enfermedades a partir de las huellas moleculares de las células inmunitarias.

Desarrollado por investigadores de la Universidad de Stanford y publicado en la revista científica Science en febrero de 2025, el sistema analiza los receptores de los linfocitos B y T. Estas células desempeñan funciones esenciales en la defensa del organismo y sus receptores contienen información útil sobre la respuesta inmunitaria.

El estudio incluyó datos de 593 personas y examinó seis estados inmunológicos: personas sanas, pacientes con COVID-19, VIH, lupus o diabetes tipo 1, y personas que habían recibido recientemente una vacuna contra la gripe.

Los resultados mostraron que Mal-ID podía distinguir estos grupos mediante patrones presentes en las secuencias de los receptores inmunitarios. La combinación de información de células B y T mejoró la capacidad del sistema para clasificar las distintas condiciones.

Cómo funciona esta herramienta de inteligencia artificial

Cuando el sistema inmunológico responde a una infección, una vacuna u otro estímulo, las poblaciones de células inmunitarias pueden cambiar. Sus receptores presentan características que los investigadores pueden estudiar mediante técnicas de secuenciación genética.

Mal-ID utiliza aprendizaje automático para encontrar patrones en esos datos. En lugar de buscar únicamente un patógeno o un biomarcador específico, analiza el conjunto de señales que dejan los receptores de las células B y T.

Esta estrategia podría ser especialmente útil para investigar enfermedades autoinmunes. En condiciones como el lupus, el diagnóstico puede resultar complejo porque los síntomas y los resultados de las pruebas varían entre pacientes.

La investigación también encontró que los receptores de células T aportaban información especialmente útil para identificar lupus y diabetes tipo 1. En cambio, los receptores de células B resultaban más informativos para distinguir infecciones como el VIH y la COVID-19, así como la respuesta reciente a la vacuna contra la gripe.

Una oportunidad para mejorar el diagnóstico

La posibilidad de analizar distintas señales inmunológicas mediante una misma metodología abre nuevas líneas de investigación. A futuro, herramientas como Mal-ID podrían contribuir a identificar patrones asociados con enfermedades difíciles de diagnosticar y ayudar a estudiar por qué pacientes con una misma condición presentan respuestas diferentes.

Los investigadores también plantean que este enfoque podría facilitar la identificación de subgrupos de enfermedades y aportar información para estudiar tratamientos más personalizados.

Sin embargo, estos posibles usos todavía deben investigarse. El estudio evaluó un conjunto definido de condiciones y no demuestra que Mal-ID pueda identificar cualquier enfermedad ni sustituir las pruebas médicas convencionales.

Lo que todavía falta por comprobar

Aunque los resultados iniciales fueron prometedores, la herramienta aún necesita perfeccionarse y validarse en estudios adicionales antes de utilizarse de forma confiable en la práctica clínica.

También será necesario evaluar su desempeño en poblaciones más amplias y diversas, así como determinar cómo se integra con los antecedentes médicos, los síntomas y otras pruebas de laboratorio.

Por ahora, Mal-ID representa una nueva forma de estudiar la información que contiene el sistema inmunológico. Su aporte consiste en demostrar que los patrones de los receptores de las células inmunitarias pueden ayudar a distinguir diferentes estados de salud y enfermedad.

El siguiente desafío será comprobar hasta qué punto esa información puede convertirse en una herramienta clínica segura y útil para los pacientes.

Fuente: Stanford Medicine y estudio publicado en Science. https://doi.org/10.1126/science.adp2407

Síguenos en Instagram, Facebook y nuestro canal de Telegram