Una nueva herramienta de diagnóstico puede discriminar eficazmente diferentes afecciones reumatológicas y podría ayudar potencialmente en el diagnóstico temprano de artropatía inflamatoria.
El algoritmo, llamado Genetic Probability tool (G-PROB), utiliza información genética para calcular la probabilidad de ciertas enfermedades.
"En una etapa tan temprana de la enfermedad, no siempre es fácil determinar cuál será el resultado final con respecto al diagnóstico final", afirmó John Bowes, Ph. D., profesor titular de la división de ciencias musculoesqueléticas y dermatológicas de la University of Manchester en Manchester Reino Unido. Fue el autor principal del estudio más reciente de G-PROB.[1] "Lo que esperamos aquí es que la genética pueda ayudar a los médicos con el proceso de toma de decisiones y, con suerte, acelerar el diagnóstico correcto y hacer que las personas reciban el tratamiento correcto lo antes posible".
Creando el algoritmo
G-PROB fue desarrollado por primera vez por un grupo internacional de científicos con el objetivo de utilizar puntuaciones de riesgo genético para predecir las probabilidades de diagnósticos comunes para pacientes con signos tempranos de artritis, como sinovitis e inflamación de las articulaciones.[2] Según los autores del estudio, alrededor del 80% de este tipo de pacientes finalmente son diagnosticados con las siguientes afecciones: artritis reumatoide, lupus eritematoso sistémico, artritis psoriásica, espondilitis anquilosante y gota.
El algoritmo combina el conocimiento existente sobre polimorfismos de un solo nucleótido de estudios genómicos anteriores para crear puntuaciones de riesgo genético, también llamadas puntuaciones de riesgo poligénico (PRS), para múltiples enfermedades. Utilizando estas puntuaciones, el programa calcula las probabilidades de ciertos diagnósticos para un paciente, basándose en el supuesto de que al menos una enfermedad estaba presente.
En este primer estudio, los investigadores entrenaron a la herramienta con datos simulados y luego la probaron en tres cohortes de pacientes por un total de aproximadamente 1.700 individuos de la base de datos de Registros Médicos Electrónicos y Genómica y del Biobanco del Mass General Brigham. En el estudio inicial, G-PROB identificó un diagnóstico probable en 45% de los pacientes, con un valor predictivo positivo (VPP) de 64%. Agregar estas puntuaciones genéticas a los datos clínicos mejoró la precisión diagnóstica de 39% a 51%.
Validación de G-PROB
Pero los datos de estos biobancos pueden no ser necesariamente representativos de la artritis temprana en pacientes que acuden a clínicas ambulatorias, señaló Bowes. En este nuevo estudio, publicado el 27 de noviembre de 2023 en Arthritis & Rheumatology, los investigadores intentaron validar de forma independiente los hallazgos del estudio original utilizando datos del Norfolk Arthritis Register , un estudio observacional a largo plazo basado en la comunidad sobre la poliartropatía inflamatoria.[1] El equipo aplicó G-PROB en esta cohorte y luego comparó las probabilidades de la herramienta para afecciones reumáticas comunes con el diagnóstico clínico final.
Finalmente, el estudio incluyó a 1.047 personas con artropatía inflamatoria temprana con datos de genotipo. En la cohorte, más de 70% (756 personas) fueron diagnosticadas con artritis reumatoide. De los pacientes restantes, 104 tenían artritis psoriásica, 18 tenían lupus eritematoso sistémico, 16 tenían espondilitis anquilosante y 12 tenían gota. El equipo de investigación también añadió una categoría de "otras enfermedades" al algoritmo. Un total de 141 pacientes entraron en esta categoría y se les diagnosticaron enfermedades como síndrome de dolor crónico (52 personas), polimialgia reumática (29 personas) y síndrome de Sjögren (9 personas).
G-PROB resultó mejor para excluir diagnósticos: probabilidades inferiores a 5% para una sola enfermedad correspondieron a un valor predictivo negativo (VPN) de 96%. Si las probabilidades de dos enfermedades eran <5%, el valor predictivo negativo era de 94%.
Para los pacientes con una probabilidad única superior a 50%, la herramienta tuvo un valor predictivo positivo de 70,3%. En 55,7% de los pacientes la enfermedad con mayor probabilidad acabó siendo el diagnóstico final.
En general, las puntuaciones de riesgo poligénico, así como las pruebas que utilizan biomarcadores, resultaron mejores para excluir diagnósticos que para confirmarlos, señaló el Dr. Matthew Brown, profesor de medicina en el King's College de Londres, Reino Unido, quien no participó en la investigación. Explicó que si la prevalencia de la enfermedad es baja, entonces una prueba destinada al diagnóstico de esa enfermedad sería mejor para excluir un diagnóstico que para confirmarlo.
Sin embargo, señaló que el valor predictivo positivo de G-PROB podría haber funcionado mejor si los investigadores hubieran comenzado a utilizar puntuaciones de riesgo poligénico establecidas para formar el algoritmo, en lugar de desarrollar estas puntuaciones genéticas de forma independiente utilizando conjuntos de datos internos.
