Los científicos reunieron datos de 23 pacientes con enfermedad de Alzheimer: imágenes cerebrales, análisis de sangre y la composición del microbioma. Cada paciente pasó por mediciones antes y después del tratamiento con rapamicina, un fármaco que frena el envejecimiento celular. La tarea de la red neuronal es averiguar, a partir de esos datos, si la persona recibió el medicamento. Pero la señal es débil y se pierde en el ruido, como una pepita de oro entre la arena de un río.
Primero el modelo «cuela la arena»: un bosque aleatorio selecciona las 27 características más importantes de entre cientos. Después, la red neuronal relaciona datos de distintos tipos y predice el tratamiento. Sin ese filtrado, la precisión era la del azar, en torno al 50%. Con el filtrado, subió hasta el 71,25%. Los indicadores más relevantes resultaron ser los parámetros sanguíneos y el marcador inflamatorio MIP-1α. Ahora queda claro que, para captar el efecto del fármaco, hay que eliminar antes lo superfluo. Este enfoque ya puede ayudar hoy a los médicos a seleccionar a los pacientes a quienes la rapamicina tiene más probabilidades de beneficiar.
La rapamicina se aisló por primera vez de una bacteria hallada en el suelo de la isla de Pascua (Rapa Nui), de ahí su nombre. El fármaco inhibe la vía de señalización mTOR, que regula el crecimiento celular y el envejecimiento, y prolonga la vida de los ratones entre un 10 y un 15%.
La idea de predecir la reacción del organismo a un fármaco a partir de múltiples señales biológicas recuerda a la novela «Dune», de Frank Herbert, donde los médicos utilizan complejos sistemas de diagnóstico para evaluar el estado de una persona. Ahora bien, a diferencia de la ciencia ficción, aquí se habla de datos reales de sangre y cerebro.
No publicado en arXiv. Aquí están su página, el PDF y la formalización: puede comprobarlo usted mismo, no solo leer nuestro análisis.