Enfoques espectroscópicos y de aprendizaje automático para la subtipificación clínica en la esclerosis sistémica

Área de la Ciencia:

• Espectroscopía Biomédica
• Inmunodermatología
• Biología Computacional

Sus antecedentes:

• La esclerosis sistémica (ES) es un trastorno autoinmune complejo con manifestaciones clínicas diversas.
• Los métodos actuales de diagnóstico y estratificación de la ES pueden ser invasivos y consumir mucho tiempo.
• Es crucial identificar herramientas no invasivas para la detección temprana de la enfermedad y la clasificación de subtipos.

Objetivo del estudio:

• Investigar la utilidad de la espectroscopía infrarroja de transformada de Fourier (FTIR) en muestras de sangre completa para la clasificación de la ES.
• Explorar la aplicación de técnicas multivariantes y de aprendizaje automático para la diferenciación de subtipos de ES.
• Evaluar el potencial de la espectroscopía FTIR como herramienta no invasiva para el descubrimiento de biomarcadores de la ES.

Principales métodos:

• Se analizaron muestras de sangre completa de pacientes con ES mediante espectroscopía FTIR.
• Se empleó análisis multivariante, incluido el Análisis de Componentes Principales (PCA), para analizar datos espectrales.
• Se desarrollaron modelos de aprendizaje automático supervisado, como Random Forest (RF), para tareas de clasificación.

Principales resultados:

• La espectroscopía FTIR reveló diferencias espectrales sutiles pero consistentes en las regiones de amida I/II y asociadas a lípidos.
• El PCA demostró una clara agrupación de muestras, lo que indica perfiles espectrales distintos.
• El modelo Random Forest logró un rendimiento óptimo en la clasificación de subtipos de ES difusa versus limitada.

Conclusiones:

• La espectroscopía FTIR combinada con el aprendizaje automático muestra promesa como método no invasivo para la estratificación de la enfermedad en ES.
• Este enfoque tiene el potencial de descubrimiento de biomarcadores en la esclerosis sistémica.
• Se necesita una mayor optimización de los modelos y la extracción de características espectrales para la implementación clínica.