Desarrollan una herramienta basada en inteligencia artificial capaz de identificar perfiles biológicos asociados al riesgo de trombosis

Dos personas pueden compartir edad, antecedentes familiares o factores de riesgo similares y, sin embargo, solo una de ellas desarrollar una trombosis. Para intentar comprender mejor por qué ocurre esto, investigadores de la Unidad de Genómica de Enfermedades Complejas del Instituto de Investigación Sant Pau (IR Sant Pau) y del Centro de Investigación Biomédica en Red de Enfermedades Raras (CIBERER) han desarrollado una herramienta basada en inteligencia artificial que integra información clínica, genética y transcriptómica para identificar señales asociadas a la enfermedad. Los resultados, publicados en Journal of Thrombosis and Haemostasis, identifican cientos de señales moleculares relacionadas con la trombosis y mejoran la caracterización de personas con perfiles de riesgo.

La trombosis venosa es una de las enfermedades cardiovasculares más frecuentes y una causa importante de morbimortalidad. Aunque se conocen diversos factores que aumentan el riesgo de desarrollar un episodio trombótico, una parte de los casos aparece sin factores desencadenantes claros. Esta forma de la enfermedad, conocida como tromboembolismo venoso idiopático, dificulta la identificación de las personas con mayor predisposición y limita la capacidad de anticipar su aparición. Diversos estudios han demostrado que más del 60 % de la variabilidad individual en el riesgo de trombosis venosa podría estar condicionada por factores genéticos. Sin embargo, los factores hereditarios conocidos no explican por completo por qué algunas personas desarrollan la enfermedad y otras no, lo que ha impulsado la búsqueda de nuevos biomarcadores y herramientas de estratificación del riesgo.

Para intentar identificar señales que los factores de riesgo tradicionales no consiguen captar completamente, el equipo analizó información de 790 personas pertenecientes a familias con antecedentes de enfermedad tromboembólica venosa, entre ellas 70 que habían sufrido previamente una trombosis venosa idiopática. Los datos procedían de la cohorte familiar GAIT2 (Genetic Analysis of Idiopathic Thrombophilia), una de las iniciativas más extensas dedicadas al estudio de la predisposición hereditaria a la trombosis. Los investigadores integraron variables clínicas y genéticas con perfiles de expresión obtenidos a partir de la actividad de 12.981 genes para construir modelos capaces de identificar patrones asociados a la enfermedad y evaluar si podían mejorar la estratificación del riesgo más allá de los enfoques convencionales.

«La principal aportación del trabajo no es únicamente identificar nuevos genes asociados a la trombosis, sino demostrar que la integración de miles de variables biológicas permite describir perfiles de riesgo mucho más precisos que los obtenidos cuando se analizan los factores tradicionales de forma aislada», señala el Dr. José Manuel Soria, director de la Unidad de Genómica de Enfermedades Complejas del IR Sant Pau y coautor principal del trabajo.

Más allá de los factores de riesgo tradicionales

Hasta ahora, la evaluación del riesgo trombótico se ha basado fundamentalmente en factores clínicos conocidos, como la edad, la obesidad, determinados tratamientos hormonales o algunas alteraciones genéticas concretas. Sin embargo, estos elementos no explican por completo por qué algunas personas desarrollan una trombosis en ausencia de factores desencadenantes claros.

Para abordar esta cuestión, los investigadores aplicaron diferentes algoritmos de aprendizaje automático capaces de analizar simultáneamente miles de variables biológicas. Esta aproximación permitió identificar una combinación de factores clínicos y moleculares asociada a los antecedentes de trombosis venosa idiopática.

Entre los predictores más relevantes aparecieron marcadores ya conocidos, como los niveles del factor de von Willebrand, el índice de masa corporal, la edad o determinadas variantes del sistema ABO. Junto a ellos, el análisis identificó 494 genes cuya actividad contribuía a diferenciar a las personas que habían sufrido una trombosis de aquellas sin antecedentes de la enfermedad, incluyendo numerosos ARN largos no codificantes, un tipo de moléculas reguladoras que apenas ha sido estudiado en el contexto de la trombosis.

«La incorporación de datos transcriptómicos permitió identificar señales asociadas a la enfermedad que no eran detectables mediante los enfoques convencionales. Esto demuestra el potencial de combinar inteligencia artificial y expresión génica para obtener una caracterización más precisa de los pacientes», explica el Dr. Pol Ezquerra, primer autor del estudio e investigador del IR Sant Pau.

Una huella molecular asociada a la trombosis

Más allá de la identificación de biomarcadores concretos, el equipo desarrolló una huella molecular asociada a la trombosis, basada en la combinación de miles de variables clínicas, genéticas y transcriptómicas. A partir de ella, crearon una puntuación de similitud capaz de medir hasta qué punto el perfil de una persona se parece al de individuos que ya habían sufrido un episodio trombótico, lo que permitió identificar participantes sin antecedentes de la enfermedad cuyos perfiles mostraban características similares a las observadas en pacientes con trombosis.

La incorporación de datos transcriptómicos permitió refinar significativamente la clasificación de los participantes. Cuando el modelo utilizaba únicamente variables clínicas y genéticas, el 43 % de las personas sin antecedentes de trombosis eran clasificadas dentro de la zona de alto riesgo. Al añadir la información sobre expresión génica, esta proporción se redujo al 23 %. Paralelamente, la identificación de personas con antecedentes de trombosis aumentó del 70 % al 74 %.

«La expresión génica aporta una capa adicional de información que complementa los factores de riesgo tradicionales. Esto nos permite distinguir mejor entre individuos que comparten características clínicas similares, pero presentan perfiles diferentes cuando analizamos su actividad molecular», explica el Dr. Soria.

Hacia una prevención más personalizada

El estudio también identificó señales relacionadas con procesos cardiovasculares y renales previamente asociados al riesgo trombótico, lo que refuerza la relevancia biológica de los resultados obtenidos. Entre ellas destacan varias rutas moleculares relacionadas con las miocardiopatías y con la función de los túbulos proximales del riñón, dos sistemas que investigaciones previas habían vinculado con la enfermedad tromboembólica venosa.

Los autores subrayan que la herramienta desarrollada todavía requiere validación en cohortes independientes antes de poder plantear una aplicación clínica directa. Sin embargo, consideran que este enfoque representa un paso importante hacia modelos más precisos de estratificación del riesgo trombótico y hacia una medicina cada vez más personalizada.

«Nuestro trabajo demuestra el valor de integrar información clínica, genética y transcriptómica para obtener una visión más completa de los factores asociados a la trombosis. En el futuro, este tipo de estrategias podrían contribuir a identificar con mayor precisión a las personas con un perfil de riesgo elevado y facilitar el desarrollo de medidas preventivas adaptadas a cada paciente», concluye el Dr. Soria.

Los investigadores destacan asimismo que los genes y ARN no codificantes identificados en este estudio constituyen una nueva fuente de posibles biomarcadores y dianas de investigación para profundizar en los mecanismos que intervienen en la aparición de la trombosis venosa idiopática.

Artículo de referencia:

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.