Estudio de microbiota abre nuevos caminos

Mediante la comparación por medio de machine learning de diferentes análisis de muestras fecales de 478 pacientes y 473 voluntarios sanos, investigadores de la Universidad de Toledo (Ohio, EU) identificaron perfiles característicos de estas enfermedades y observaron una diferencia muy importante entre ambos grupos en cuanto a la abundancia de 39 bacterias intestinales.

Te puede interesar. Premian investigación sobre microbiota. Revista FactorRH - Premian investigación sobre microbiota y el Alzheimer en mujeres

De acuerdo con este estudio –recuperado por el Biocodex Microbiota Institute–, los científicos diseñaron un algoritmo dirigido específicamente a 25 familias bacterianas de la microbiota intestinal, que permitió discriminar los dos grupos con una precisión de 70%, apenas inferior a la del método convencional que, si bien es capaz de diagnosticar 76% de los casos, necesita una gran cantidad de datos clínicos: edad, sexo, tabaquismo, tensión arterial, concentración de colesterol, etcétera.

Por el momento, el acceso a algunos de estos datos para el diagnóstico de estas enfermedades requiere una serie de exámenes tediosos y costosos, como análisis clínicos, electrocardiogramas, radiografías de tórax, ecocardiogramas y otros, lo que hace que el uso de la inteligencia artificial para el diseño de un test diagnóstico basado en la composición de la microbiota intestinal sea una opción a considerar en el futuro.

Según los autores, el aprendizaje automático de un desequilibrio en la microbiota intestinal característico de las enfermedades cardiovasculares ofrecería un diagnóstico potencial muy prometedor en el contexto de un chequeo médico regular.