Desenvolupen una eina basada en intel·ligència artificial capaç d’identificar perfils biològics associats al risc de trombosi

Dues persones poden compartir edat, antecedents familiars o factors de risc similars i, tanmateix, només una d’elles desenvolupar una trombosi. Per intentar comprendre millor per què passa això, investigadors de la Unitat de Genòmica de Malalties Complexes de l’Institut de Recerca Sant Pau (IR Sant Pau) i del Centre de Recerca Biomèdica en Xarxa de Malalties Rares (CIBERER) han desenvolupat una eina basada en intel·ligència artificial que integra informació clínica, genètica i transcriptòmica per identificar senyals associats a la malaltia. Els resultats, publicats a Journal of Thrombosis and Haemostasis, identifiquen centenars de senyals moleculars relacionats amb la trombosi i milloren la caracterització de persones amb perfils de risc.

La trombosi venosa és una de les malalties cardiovasculars més freqüents i una causa important de morbimortalitat. Tot i que es coneixen diversos factors que augmenten el risc de desenvolupar un episodi trombòtic, una part dels casos apareix sense factors desencadenants clars. Aquesta forma de la malaltia, coneguda com a tromboembolisme venós idiopàtic, dificulta la identificació de les persones amb més predisposició i limita la capacitat d’anticipar-ne l’aparició. Diversos estudis han demostrat que més del 60 % de la variabilitat individual en el risc de trombosi venosa podria estar condicionada per factors genètics. Tanmateix, els factors hereditaris coneguts no expliquen completament per què algunes persones desenvolupen la malaltia i d’altres no, fet que ha impulsat la cerca de nous biomarcadors i eines d’estratificació del risc.

Per intentar identificar senyals que els factors de risc tradicionals no aconsegueixen captar completament, l’equip va analitzar informació de 790 persones pertanyents a famílies amb antecedents de malaltia tromboembòlica venosa, entre les quals 70 que havien patit prèviament una trombosi venosa idiopàtica. Les dades procedien de la cohort familiar GAIT2 (Genetic Analysis of Idiopathic Thrombophilia), una de les iniciatives més extenses dedicades a l’estudi de la predisposició hereditària a la trombosi. Els investigadors van integrar variables clíniques i genètiques amb perfils d’expressió obtinguts a partir de l’activitat de 12.981 gens per construir models capaços d’identificar patrons associats a la malaltia i avaluar si podien millorar l’estratificació del risc més enllà dels enfocaments convencionals.

«La principal aportació del treball no és únicament identificar nous gens associats a la trombosi, sinó demostrar que la integració de milers de variables biològiques permet descriure perfils de risc molt més precisos que els obtinguts quan s’analitzen els factors tradicionals de manera aïllada», assenyala el Dr. José Manuel Soria, director de la Unitat de Genòmica de Malalties Complexes de l’IR Sant Pau i coautor principal del treball.

Més enllà dels factors de risc tradicionals

Fins ara, l’avaluació del risc trombòtic s’ha basat fonamentalment en factors clínics coneguts, com ara l’edat, l’obesitat, determinats tractaments hormonals o algunes alteracions genètiques concretes. Tanmateix, aquests elements no expliquen completament per què algunes persones desenvolupen una trombosi en absència de factors desencadenants clars.

Per abordar aquesta qüestió, els investigadors van aplicar diferents algoritmes d’aprenentatge automàtic capaços d’analitzar simultàniament milers de variables biològiques. Aquesta aproximació va permetre identificar una combinació de factors clínics i moleculars associada als antecedents de trombosi venosa idiopàtica.

Entre els predictors més rellevants van aparèixer marcadors ja coneguts, com ara els nivells del factor de von Willebrand, l’índex de massa corporal, l’edat o determinades variants del sistema ABO. Juntament amb aquests, l’anàlisi va identificar 494 gens l’activitat dels quals contribuïa a diferenciar les persones que havien patit una trombosi d’aquelles sense antecedents de la malaltia, incloent-hi nombrosos ARN llargs no codificants, un tipus de molècules reguladores que amb prou feines s’ha estudiat en el context de la trombosi.

«La incorporació de dades transcriptòmiques va permetre identificar senyals associats a la malaltia que no eren detectables mitjançant els enfocaments convencionals. Això demostra el potencial de combinar intel·ligència artificial i expressió gènica per obtenir una caracterització més precisa dels pacients», explica el Dr. Pol Ezquerra, primer autor de l’estudi i investigador de l’IR Sant Pau.

Una empremta molecular associada a la trombosi

Més enllà de la identificació de biomarcadors concrets, l’equip va desenvolupar una empremta molecular associada a la trombosi, basada en la combinació de milers de variables clíniques, genètiques i transcriptòmiques. A partir d’aquesta, van crear una puntuació de similitud capaç de mesurar fins a quin punt el perfil d’una persona s’assembla al d’individus que ja havien patit un episodi trombòtic, fet que va permetre identificar participants sense antecedents de la malaltia els perfils dels quals mostraven característiques similars a les observades en pacients amb trombosi.

La incorporació de dades transcriptòmiques va permetre afinar significativament la classificació dels participants. Quan el model utilitzava únicament variables clíniques i genètiques, el 43 % de les persones sense antecedents de trombosi eren classificades dins de la zona d’alt risc. En afegir-hi la informació sobre expressió gènica, aquesta proporció es va reduir al 23 %. Paral·lelament, la identificació de persones amb antecedents de trombosi va augmentar del 70 % al 74 %.

«L’expressió gènica aporta una capa addicional d’informació que complementa els factors de risc tradicionals. Això ens permet distingir millor entre individus que comparteixen característiques clíniques similars, però presenten perfils diferents quan n’analitzem l’activitat molecular», explica el Dr. Soria.

Cap a una prevenció més personalitzada

L’estudi també va identificar senyals relacionats amb processos cardiovasculars i renals prèviament associats al risc trombòtic, fet que reforça la rellevància biològica dels resultats obtinguts. Entre aquests destaquen diverses vies moleculars relacionades amb les miocardiopaties i amb la funció dels túbuls proximals del ronyó, dos sistemes que recerques prèvies havien vinculat amb la malaltia tromboembòlica venosa.

Els autors subratllen que l’eina desenvolupada encara requereix validació en cohorts independents abans que se’n pugui plantejar una aplicació clínica directa. Tanmateix, consideren que aquest enfocament representa un pas important cap a models més precisos d’estratificació del risc trombòtic i cap a una medicina cada vegada més personalitzada.

«El nostre treball demostra el valor d’integrar informació clínica, genètica i transcriptòmica per obtenir una visió més completa dels factors associats a la trombosi. En el futur, aquest tipus d’estratègies podrien contribuir a identificar amb més precisió les persones amb un perfil de risc elevat i facilitar el desenvolupament de mesures preventives adaptades a cada pacient», conclou el Dr. Soria.

Els investigadors destaquen així mateix que els gens i ARN no codificants identificats en aquest estudi constitueixen una nova font de possibles biomarcadors i dianes de recerca per aprofundir en els mecanismes que intervenen en l’aparició de la trombosi venosa idiopàtica.

Article de referència:

Ezquerra-Condeminas P, Martinez-Perez A, Howald C, Brown AA, Souto JC, Viñuela A, Buil A, Perera-Lluna A, Soria JM. Gene expression integration and similarity score based modeling improve risk stratification in idiopathic venous thrombophilia. J Thromb Haemost 2026. https://doi.org/10.1016/j.jtha.2026.05.015.