Podemos hablar maravillas sobre la inteligencia artificial (IA) o ponernos nerviosos pensando qué pasara cuando su uso se extienda. Sea como sea, hay algo que es seguro: la IA no tiene corazón. Y eso es algo bueno, tanto para ella como para nosotros. Para ella, porque las enfermedades cardiovasculares son la principal causa de muerte en los seres humanos a lo largo y ancho del planeta. Para nosotros, porque es nuestro corazón el que la guía. Y eso segundo, para evitar lo primero, es justamente lo que ha venido haciendo un compatriota junto a un fabuloso grupo de investigadores.
Claro que cuando uno se topa con el artículo “Análisis de la secuencia del exoma identifica variantes codificantes raras asociadas con un marcador basado en aprendizaje automático para la cardiopatía isquémica”, publicado recientemente en la revista científica de alto impacto Nature Genetics, el uruguayómetro no salta enseguida. Al leer la lista de autores del trabajo, conformada por Ben Omega Petrazzini, Iain Forrest, Ghislain Rocheleau, Ha My Vy, Carla Márquez, Áine Duffy, Robert Chen, Joshua Park, Kyle Gibson, Sascha Goonewardena, Waqas Malick, Robert Rosenson, Daniel Jordan y Ron Do, y ver que las instituciones donde investigan están todas en Nueva York y Michigan, el detector de personas bebedoras de mate no se enciende. Ya invocado, podría llegar a conjeturar que tal vez Carla Márquez pudiera tener algo que ver con la ciencia de nuestra región. Pero no se trata de ella.
Figurar como investigador del Instituto de Medicina Personalizada Charles Bronfman, del Departamento de Genética y Ciencias Genómicas y del Centro de Análisis de Datos Genómicos, todos de la Escuela Icahn de Medicina en Monte Sinaí ubicada en Nueva York, hace pasar bajo el radar de la ciencia local a Ben Omega Petrazzini. Es cierto, su nombre no ayuda mucho, pero Ben se graduó como biólogo en la Facultad de Ciencias de la Universidad de la República y para su tesis de grado hizo investigación en bioinformática en el Institut Pasteur de Montevideo. Y toda esa insistencia con la uruguayez y el orgullo celeste científico por el trabajo de Ben no es una cosa sólo nuestra. Algo de eso se podía ver en la imagen con la que Ben ilustró la portada de su tesis que reproducimos en esta nota.
Es que en el Pasteur, Ben se incorporó al equipo de Lucía Spangerberg que desarrolla el proyecto Urugenomes, que justamente busca no sólo comprender cómo somos genéticamente los habitantes de este país, sino utilizar esa información para hacer aportes desde la medicina. Por eso el mate está allí en el diván del analista. Pero ahora, al ver la publicación del trabajo de Ben, la viñeta se resignifica.
No se trata sólo de que Ben sea uruguayo, sino de que el trabajo que acaba de publicar con sus colegas es realmente significativo. Como muestra alcanza el botón: es la primera investigación en diez años que encontró nuevas mutaciones genéticas raras que están relacionadas con las enfermedades cardiovasculares. Así que para hablar de todo esto, nos encontramos con Ben Petrazzini. ¿Por zoom, él en Nueva York y uno en Montevideo? ¿O Reino Unido-Montevideo, ya que está por comenzar su doctorado en la Universidad de Oxford? Nada de eso. Cara a cara. Pero dejemos que él lo cuente.
Un uruguayo en Nueva York... desde Montevideo
Leer el trabajo que acaba de publicar Ben dispara varias preguntas. Una de ellas es cómo terminó incorporándose al hospital universitario de la Escuela de Medicina Icahn de Nueva York. Y la siguiente, por qué publicando desde allá nos encontramos en Montevideo.
“Mientras hacía mi tesis de grado estaba trabajando en el Institut Pasteur. Como parte de ese proyecto me fui por una pasantía al hospital de Nueva York. La idea era hacer unos proyectos con genética e inteligencia artificial”, cuenta Ben. “Llegué en enero de 2020, unos días antes de que empezara la pandemia en Nueva York. A las tres semanas de llegar, cierra todo. En principio tenía seis meses ahí de pasantía, pero todo se fue alargando y me ofrecieron un cargo. Entonces me terminé quedando”, afirma. Que el encuentro no sea por zoom también tiene explicación: “Cuando quise hacer los papeles, debido a la pandemia no podía sacar la visa estando allá. Entonces a finales de 2020 me volví y quedé en Uruguay trabajando para allá”.
Si Ben se decidiera a volver a Nueva York, tendría una oficina esperándolo. “Sí, tengo un escritorio reservado al que no voy nunca”, dice riendo y sacándole provecho al teletrabajo pospandémico. De hecho, si bien la posibilidad de irse está, dice que por ahora prefiere quedarse en Uruguay.
La tesis en la que estaba trabajando antes de partir a Estados Unidos, publicada en 2020, se titula Identificando variantes patogénicas en regiones no codificantes del genoma humano. Su tutora era Lucía Spangenberg, y a ella y su proyecto Urugenomes apunta Ben a la hora de señalar culpables de su derrotero. “Lucía, de la Unidad de Bioinformática del Institut Pasteur, tiene un proyecto que busca diagnosticar a pacientes con enfermedades genéticas que son muy complicadas y muy complejas. Así que dentro de ese proyecto, en mi tesis buscamos identificar mutaciones en las zonas no codificantes, una sección del ADN que es más compleja de analizar”, sostiene Ben.
La IA sirve para muchas más cosas que para hacerle preguntas a ChatGPT, y ya en su tesis Ben había incursionado en ella. “En ese proyecto estábamos haciendo modelos usando inteligencia artificial para ver si podíamos ayudar al proceso de diagnóstico. Eso me parecía súper emocionante”, dice. “La idea era que el modelo generado por la IA, buscando patrones en una gran cantidad de información, pudiese encontrar algún rastro de patogenicidad al analizar mutaciones de 13 variables que podían afectar a la persona”, comenta Ben.
“Fue idea de Lucía empezar a usar inteligencia artificial para ello. Y me encantó”, dice. Luego llegó la posibilidad de la pasantía en Nueva York, la pandemia y todo lo demás que hizo que se quedara acá trabajando para allá.
El corazón y la IA
Ya iremos a ver cómo, con IA, Ben y sus colegas aportan conocimiento nuevo y valioso para diagnosticar y, probablemente, también tratar las cardiopatías isquémicas, es decir, aquellas enfermedades coronarias que son causadas por problemas en los vasos sanguíneos. Pero antes vayamos al corazón puesto en esto.
Todo esto de la IA aplicada al diagnóstico, tanto en su tesis como en lo que ha estado trabajando en Nueva York, son modelos in silico, es decir, no ven personas, sino que lidian con enormes cantidades de datos que entrenan computadoras. Entonces le pregunto a Ben cuál es su conexión con la medicina. ¿Andaría buscando con la misma pasión patrones mediante IA en asuntos que no tienen nada que ver con la salud de las personas? “Eso que me preguntás es algo muy central en mi carrera a futuro”, responde Ben.
“La inteligencia artificial me apasiona. Siempre me gustaron mucho la física y la matemática, tanto que en un momento quería ser físico. La IA es una forma de mezclar matemática con biología”, sostiene.
“A su vez, en la Facultad de Ciencias, estudiando biología, quería que lo que yo hiciera tuviese un impacto que trascendiera a la ciencia básica. Entonces, desde que empecé con la inteligencia artificial, siempre estuve intentando acercarme a algún tipo de investigación en la que yo pudiese ver el impacto, que fuese útil para poder ayudar a alguien a corto plazo”, afirma.
A riesgo de cometer un spoiler, o tal vez también como introducción a lo que viene, Ben habla de su último trabajo: “Por ejemplo, se podría decir que esta última investigación con los genes y las variantes codificantes es ciencia básica. Encontramos genes relacionados con estas enfermedades, pero de ahí a que se haga una terapia pueden pasar décadas. Porque desde que hacés una innovación a que esa innovación sea accesible o pueda ayudar a alguien hay un paso muy grande. Y es lo que venimos viendo. Los proyectos que hacemos pueden funcionar súper bien, son súper llamativos e innovadores, pero luego su aplicación resulta difícil. Entonces, hace tiempo ya que estoy intentando generar algo que le sirva a la gente en un plazo más corto”. Y en eso anda.
“Por ese lado definí mi tesis de doctorado, que busca desarrollar modelos que sean aplicables. La idea es desarrollar modelos que con sólo un test de sangre puedas predecir, diagnosticar y ayudar a prevenir enfermedades cardíacas de la gente”, adelanta. “La idea es llegar a un test de sangre muy sencillo, que se pueda aplicar en cualquier parte y no solamente en hospitales con muchos recursos, por ejemplo, que sea aplicable en un centro regional en medio de una zona rural”. Y eso está muy relacionado con ponerle a la IA lo que la IA no tiene.
“Durante estos últimos cuatro o cinco años trabajando con IA, he sentido esa necesidad de encontrarle un sentido al trabajo más allá de la computadora. Porque si no hago ese esfuerzo, mi trabajo de todos los días se reduce a estar frente a una computadora. Creo que en esta nueva etapa voy a empezar a acercarme más a los pacientes, a ver el impacto de lo que hago. La salud pública, o la salud poblacional, es algo que me interesa mucho”, dice decidido.
Con una ayudita de la IA
El trabajo que Ben encabeza como autor es, en cierta medida, consecuencia de un trabajo previo en el que diseñaron, mediante aprendizaje automático, un marcador de cardiopatías isquémicas. Publicado en 2023 en la revista The Lancet, en aquel trabajo en el que también participó Ben elaboraron mediante IA una “puntuación in silico para las enfermedades arteriales coronarias”, al que por su sigla en inglés bautizaron Iscad (In Silico Score for Coronary Artery Disease).
Explicado brevemente, ese modelo desarrollado por investigadores del hospital de Nueva York donde Ben tiene el escritorio que no usa aprendió automáticamente de bases de datos enormes de pacientes con problemas coronarios y personas sanas. Eso permitió encontrar que estas enfermedades coronarias se entienden y diagnostican mejor cuando uno ve que se trata de un fenómeno continuo y no de uno binario. ¿Qué quiere decir esto? Que la división binaria de personas sanas y personas enfermas no permite ver que en realidad hay personas que ya empiezan a tener la enfermedad cuando aún no tienen manifestaciones clínicas, y que además hay personas que, si bien tienen la enfermedad, la padecen a distintos grados. En otras palabras, la IA los ayudó a ver un mundo con grises y no en blanco y negro.
“Ese artículo fue idea del profesor Ron Do, que utilizó estos sistemas de IA que ya habíamos publicado un año antes en el Journal of the American College of Cardiology (JACC)”, dice Ben llevando la cosa aún más atrás (en un buen ejemplo de cómo la ciencia avanza dando pequeños pasos sobre los trabajos que otros hicieron antes).
El trabajo al que se refiere se publicó en 2022 y llevaba por título algo así como “Estimación del riesgo coronario basada en datos clínicos de registros médicos electrónicos”. “Allí, usamos los modelos de IA para predecir cuándo vas a tener la enfermedad. Luego, en el paper de The Lancet, intentamos ver si la IA puede dar un valor continuo y más preciso de en qué estadio de la enfermedad estás hoy”, recapitula Ben. “En ese trabajo yo desarrollé los modelos e Iain Forrest hizo el análisis médico, las asociaciones y demás”, comenta.
“A lo que llegamos fue increíble. El modelo, a medida que se sube por decil, muestra que aumentan una cantidad de riesgos clínicos, y eso se asocia con gente que a medida que vas subiendo los deciles tiene más enfermedad, pero que nunca ha sido diagnosticada”, dice maravillado. “Y entonces ahí empezás a pensar que el diagnóstico de los que están enfermos es solamente eso, un diagnóstico. No quiere decir que cuando a vos te diagnostican una enfermedad coronaria es cuando empezaste a estar enfermo. Venís enfermo hace dos o tres años, o tal vez más, porque esta enfermedad en particular es muy progresiva, y recién vas al médico cuando ya tenés síntomas muy notorios”, explica Ben.
El asunto es bastante sencillo (luego de todo el trabajo que hicieron, claro está): “Al modelo que nosotros hicimos, le das tus registros médicos y te permite identificar en qué parte de esa progresión estás”, dice Ben. ¿Qué datos hay que darle? “Los que se llaman datos de rutina en un registro médico, que son todas las prescripciones de medicamentos, todos los diagnósticos previos, un panel de test de sangre de laboratorio y los datos vitales, como presión arterial, peso, altura. Con eso el modelo arma un paquete de más de 400 variables clínicas sobre cuya base terminás ubicando a la persona y determinás en qué punto de ese espectro continuo de la enfermedad está”, amplía Ben.
Bien: tenían un modelo generado por IA que indicaba el riesgo de tener una enfermedad cardiovascular, otro posterior que ubica a la persona en un continuo de la enfermedad. El trabajo recientemente publicado da un paso más. Pero antes veamos otra cosa.
Yo quiero tener un millón de amigos y así más fuerte poder modelar
Como sucede a menudo con estos modelos de aprendizaje automático, se requieren grandes cantidades de información para poder visualizar patrones que no emergen cuando se trabaja con pocos casos. En su reciente publicación trabajaron con cifras abrumadoras, más aún si las pensamos en función de la población de Uruguay: “Utilizamos datos de registros médicos electrónicos de 502.505 personas en el Biobanco de Reino Unido, de 113.575 personas del Programa de Investigación All of Us y de 43.744 personas del Biobanco BioMe para construir modelos de aprendizaje automático para Iscad en cada biobanco”, reporta el trabajo.
“El artículo de The Lancet se hizo sólo con los datos del hospital en Nueva York y los datos de Inglaterra. Para el artículo nuevo de Nature Genetics tuvimos la suerte de que se liberó el banco de datos All of Us en Estados Unidos, por lo que terminamos usando datos de más de 600.000 personas en todo el análisis”, comenta Ben. Para ser más exactos, en el trabajo está la cifra: datos de 604.915 individuos. “Es una locura. A veces perdés la dimensión de lo que significa, porque para mí es una tabla nada más, pero en realidad, estás trabajando con los datos de más de medio millón de personas”, dice Ben.
Analista de genes uruguayo. Imagen en portada de tesis de grado de Ben Petrazzini.
¿Y qué capacidad de cómputo requiere eso? ¿Tal entrenamiento del modelo, con esa cantidad de datos, se hubiera podido hacer acá? “Probablemente esto se hubiese podido hacer acá, pero hubiera sido mucho más engorroso. Manejar cada paso de la tabla llevaría más tiempo. Allá en el hospital, en Nueva York, tienen una de las 30 y tantas supercomputadoras de Estados Unidos, entonces todo es súper smooth, el trabajo con esta cantidad de datos fluye”, dice Ben.
Esto muestra que la pasantía en Nueva York lo llevó a un lugar ideal. “A veces siento que soy muy afortunado, porque caí en este lugar en el que se mezcla la inteligencia artificial, que es lo que me gusta de la matemática, con algo médico bien aplicable, una idea en la que fácilmente ves una utilidad. Pero además fui profundamente afortunado porque caí ahí justo antes de la pandemia. Si hubiese ido un mes más tarde, ya no entraba”, comenta. Y vaya si precisaban poder de cómputo para lo que terminaron haciendo.
Atraídos por la rareza
El grupo entonces venía trabajando con este modelo in silico de marcador de las enfermedades coronarias. En su nuevo artículo dan un paso más allá: fueron a buscar asociaciones entre estas enfermedades coronarias y mutaciones raras de genes que pudieran estar detrás de ellas. Para eso volvieron a valerse de la IA. Y no buscaron en todas las partes de los genes, sino en las regiones codificantes, es decir, en aquellas que activamente están involucradas en la generación de proteínas, ya que son las que se separan y mantienen en el ARN mensajero (a esas partes codificantes se las denomina exones y así como el conjunto de genes se denomina genoma, el conjunto de estas partes codificantes del ADN se denomina exoma).
¿Por qué buscar mutaciones raras en el exoma? Hay buenas razones. “Tenemos millones de mutaciones en el ADN en cada célula. Eso implica que las más comunes no tienen un impacto observable en el organismo. Las mutaciones que por lo general se asume que pueden generar impacto en el fenotipo son filtradas por procesos evolutivos, ya que quienes las tienen no sobreviven o tienen menos descendencia, y eso es lo que hace que esas mutaciones sean raras o menos frecuentes”, sostiene Ben.
En otras palabras, la evolución y la selección natural son una lotería en la que, la gran mayoría de las veces, nadie saca el pozo porque los números que salen no le alteran la vida a nadie. En algunas ocasiones, si esas mutaciones son favorables, se propagan y se dan nuevas características –como las mutaciones en los glóbulos rojos que permitieron cargar más oxígeno en las poblaciones humanas que vivieron en las alturas de América y Asia– o incluso es un mecanismo que explica la aparición de las distintas especies. En otras ocasiones, esas mutaciones son dañinas para el organismo. Si causan problemas que impiden la supervivencia o que dejan descendencia, esa variante poco a poco va a estar menos representada en el bolillero del 5 de Oro evolutivo (el pool genético de una población) y, por lo tanto, pasará a ser una mutación rara.
“El interés por buscar mutaciones raras es porque cuando encontrás una de ellas asociadas a una enfermedad, te determina directamente qué impacto tiene ese gen en la enfermedad y por eso son como las vedettes de la genética”, agrega Ben. Pero claro, todo eso tiene un costo: “El gran problema para trabajar con las mutaciones raras es que necesitás estas bases de datos gigantescas”, afirma Ben.
Y más aún en este caso, en el que no sólo buscaron mutaciones raras, sino también ultrarraras. “Las raras están en menos de 1% de la población, las ultrarraras en menos de 0,01%, por lo que precisás mucho más poder estadístico aún”, dice. Para ejemplificarlo, Ben cuenta que en los datos de 604.915 individuos algunas mutaciones ultrarraras sólo aparecieron en los exomas de tres o cuatro personas.
“Para esta enfermedad en particular, hace diez años que los científicos están teniendo problemas para encontrar mutaciones raras. Y como es la principal causa de muerte a nivel mundial, encontrarlas es un desafío que despierta un interés muy grande”, comenta Ben. En su trabajo tuvieron éxito. Y mucho. Entre otras cosas, por su modelo que trata a la enfermedad como un continuo.
“Hay varios estudios genéticos de más de un millón de personas, pero que caracterizaron a las personas como enfermas o sanas. Lo que nos mostró el paper de The Lancet es que hay muchos de esos sanos que en realidad tienen un poco de enfermedad, y hay muchos de esos enfermos que están más enfermos que otros. Entonces, cuando vos usás enfermos y sanos, lo que termina pasando es que tenés ruido en el test estadístico”, apunta.
Lo que dice es claro: puede haber una persona con una mutación rara pero que, como la clasificación es binaria, figure en el grupo de los sanos, pese a que viéndola bajo la lupa del continuo de la enfermedad, ya esté cursándola pero bajo el umbral en que los médicos la diagnostican. En ese caso, esa mutación rara pasaría completamente bajo el radar.
“Exacto, esa forma dicotómica de ver la enfermedad produce ese ruido estadístico”, concuerda Ben. Cuando lo dice pienso entonces que un título para la nota podría ser “Enfermedades isquémicas cardíacas: una enfermedad no binaria”. “No lo había pensado, pero sí, son enfermedades no binarias”, dice un poco porque concuerda y otro tanto, intuyo, para dejarme contento. Más allá de eso, contentos debemos estar con lo que encontraron.
17 raros nuevos
En el trabajo reportan entonces que gracias a su modelo no binario y a IA, detectaron mutaciones raras y ultrarraras en las regiones codificantes de 17 genes. Seis variantes aumentaban el riesgo de padecer la enfermedad coronaria, mientras que otras seis “confieren protección”. De esos 17 genes, 14 muestran indicios de regular las cardiopatías isquémicas mediante estudios genéticos, biológicos o clínicos realizados previamente.
Encontrar mutaciones raras y ultrarraras en regiones codificantes de 17 genes es un montón. “Fijate que en los últimos diez años, contando varios estudios, en total se habían encontrado unos tres genes con mutaciones raras para esta enfermedad. Encontrar 17 fue sin dudas impresionante”, dice Ben satisfecho.
“Muchos de ellos, unos cinco, son genes muy conocidos dentro de la comunidad de genetistas que trabaja con la enfermedad. Eso es importante para validar que lo que estamos haciendo con este nuevo fenotipo, que nunca se usó, captura la misma enfermedad que los fenotipos binarios de enfermos y sanos”, agrega.
“Para cuatro de esos genes, que se conocían para la enfermedad, no se habían reportado antes variantes raras asociadas con la enfermedad. Así que en este trabajo lo que hicimos fue asociarlos definitivamente con la enfermedad”, dice entonces Ben.
“En algunos, lo interesante es que están involucrados en vías metabólicas conocidas para la enfermedad, como en las del colesterol. Pero también encontramos cinco o seis genes involucrados en vías metabólicas o factores de riesgo totalmente diferentes, como el de la hematopoyesis clonal, que es un proceso natural del envejecimiento de la médula. El rol de eso en la enfermedad coronaria no estaba muy claro, y lo que nosotros encontramos parece asociar la hematopoyesis clonal con la enfermedad coronaria”, explica Ben. “Lo mismo con un gen involucrado en la apoptosis de las células”, agrega.
La apoptosis es la muerte programada de las células, necesaria muchas veces para que el organismo siga funcionando (y causa por la que, por ejemplo, nuestros teclados se llenan de diminutas partecitas de piel que vamos dejando al morir las células epiteliales más viejitas, que dan paso a otras más jóvenes que seguirán cumpliendo su función de guardia perimetral). “Encontramos vías biológicas que no se habían visto antes asociadas con la enfermedad, o vías que uno pensaba que no tenían nada que ver con la enfermedad. Y esto te indica, o mejor dicho, les indica a los próximos investigadores que vayan a intentar encontrar drogas o algo asociado con la enfermedad, que miren estos procesos metabólicos”, dice Ben.
El esfuerzo tras la IA
Es difícil saber qué es lo que se imagina cada persona cuando piensa en la IA, pero hay una visión que uno sospecha extendida en la que se la concibe como una máquina a la que se le dice qué querés que haga y la máquina lo hace. Las cosas son un poco distintas: seguro la idea del hospital universitario de Nueva York para contratar a un uruguayo no pasa por ver cómo Ben toma mate luego de pedirle a ChatGPT que le encuentre mutaciones raras asociadas a enfermedades cardíacas. Hay un mago detrás de la cortina de la IA. Y ese mago somos nosotros. O Ben, al menos. La IA implica muchísimo trabajo humano para que funcione.
“Sí, hay un montón de laburo de manejo de datos. Creo que el primer paso, y es el más importante, es el de recabar los datos”, dice Ben, y aclara que eso no es mérito suyo.
“Todo lo que yo he podido hacer fue posible porque en el hospital hace más de 20 años que vienen recaudando registros médicos digitalizados y poniéndolos lindos, digamos, para que yo los use. Lo mismo en Inglaterra, donde esa base de datos de casi medio millón de personas es un proyecto nacional que empezó en 2008”, comenta.
Hay una frase que se le adjudica a Newton, pero que fue dicha antes por otros, que reza que si el maestro de la física llegó tan lejos fue porque se paró sobre hombros de gigantes. En el mundo de la IA, llegar lejos es posible al pararse sobre datos gigantes.
“Y esa es la principal traba que me he encontrado acá. Sin datos no se puede hacer nada, y acá o los datos no están o están en un papel, lo que hace que no sea posible meterlos fácilmente en un sistema de IA. Y eso, que es el paso más engorroso, el que lleva más tiempo, es lo primero que nadie ve de la inteligencia artificial”, sostiene. “Después, lo que yo hago en sí es estadística. La IA hace mucho del trabajo. Yo lo que tengo que hacer, más que nada, es guiarla”, dice como si fuera algo tan sencillo como respirar.
“Si tengo una base de datos con ciertas características, tengo que fijarme en que esas características no deriven en ningún sesgo en la predicción. O en que el modelo no esté aprendiendo de la estructura de los datos y que aprenda de verdad la biología de la enfermedad. Hay mucho manejo de datos, y eso es más bien lo que hago. Y luego, la evaluación de los modelos”, agrega.
Ya ven. La IA es fabulosa. Pero Ben, de carne y hueso, con todas sus posibilidades y limitaciones humanas, es su lazarillo. El verdadero partido de la IA está ahí: no en el producto lanzado al mercado para que la gente use, sino en pensar qué, cómo y para qué sirve esta maravillosa herramienta.
“Lo que hago yo son modelos tradicionales de inteligencia artificial, son modelos de árboles, que son mucho más sencillos y que no pueden generar estas predicciones impresionantes que vemos en ChatGPT y todo eso”, puntualiza Ben. ¿Por qué usarlos, entonces? “Los uso mucho porque son muy fáciles de controlar, de saber qué están haciendo y de ver cómo arreglar lo que están haciendo mal, lo que para la medicina tiene sus ventajas”, dice, y afirma que usa una IA “muy amena”.
Cambiando vidas
Ben dijo que tenía ganas de que lo que hace se concrete en algo. Obviamente, el conocimiento es un buen primer paso para que algo cambie. Le pregunto cómo se siente respecto de este trabajo. Identificaron 17 genes con variantes raras, descubrieron nuevas vías que explican la enfermedad o que están en su génesis y que podrían ser motivo de intervención.
“Yo creo que lo que encontramos, de acá a que le cambie la vida a alguien, faltan por lo menos diez años”, dispara. Le pregunto si quiere algo más urgente.
“Las cosas que he hecho hasta ahora, si bien sé que en algún momento pueden tener un impacto, ese impacto hoy no ha pasado del artículo en la revista. Entonces, sí, eso es el siguiente objetivo en mi carrera”, confiesa.
“En este artículo en particular, el de los genes de las partes codificantes, si bien los resultados que tuvimos ahora van a tener un impacto en la salud de la gente, o pueden llegar a tenerlo en varios años, cuando se desarrolle una droga, creo que lo que más me entusiasma es que somos de los primeros en usar estos fenotipos innovadores para encontrar genes que hasta ahora con los fenotipos de gente enferma y gente sana no se habían podido encontrar”, dice en plan de rescatar cosas positivas de lo ya hecho.
“Creo que así como nosotros lo usamos para las enfermedades coronarias, muchos grupos los van a empezar a usar para ver esto en otras enfermedades. Entonces, de acá a 30 años, quizá, va a haber muchos trabajos usando fenotipos parecidos a los que usamos aquí, y algunos van a encontrar genes que terminen siendo blanco de drogas. Y eso va a ser, en una pequeña parte, por este trabajo que fue uno de los primeros en demostrar que se puede hacer estos estudios genéticos usando estos fenotipos más complejos y más precisos que los binarios de enfermos y sanos”, resume. Parándose, entonces, en hombros de gigantes que se pararon en datos gigantes. Y, entre ellos, uno anda tomando mate.
Artículo: Exome sequence analysis identifies rare coding variants associated with a machine learning-based marker for coronary artery disease
Publicación: Nature Genetics (junio de 2024)
Autores: Ben Omega Petrazzini, Iain Forrest, Ghislain Rocheleau, Ha My Vy, Carla Márquez, Áine Duffy, Robert Chen, Joshua Park, Kyle Gibson, Sascha Goonewardena, Waqas Malick, Robert Rosenson, Daniel Jordan y Ron Do
Artículo: Machine learning-based marker for coronary artery disease: derivation and validation in two longitudinal cohorts
Publicación: The Lancet (2023)
Autores: Iain Forrest, Ben Petrazzini, Áine Duffy, Joshua Park, Carla Márquez, Daniel Jordan, Ghislain Rocheleau, Judy Cho, Robert Rosenson, Jagat Narula, Girish Nadkarni y Ron Do
Artículo: Coronary Risk Estimation Based on Clinical Data in Electronic Health Records
Publicación: Journal of the American College of Cardiology (2022)
Autores: Ben Petrazzini, Kumardeep Chaudhary, Carla Márquez, Iain Forrest, Ghislain Rocheleau, Judy Cho, Jagat Narula, Girish Nadkarni y Ron Do.