La Universidad Pompeu Fabra (UPF) y el Hospital del Mar han diseñado un nuevo método para clasificar los tipos de artrosis de rodilla que sufren los pacientes de forma más objetiva y precisa, con el apoyo de técnicas de minería de datos y de aprendizaje automático ensamblado con modelado de regulación biológica de células. Con el apoyo de estas técnicas, es posible cruzar datos reales de las articulaciones de los pacientes con datos aumentados obtenidos a partir de simulaciones de modelos de biología computacional.

Esta investigación se enmarca dentro del proyecto de investigación STRATO subvencionado por la Agencia Estatal de Investigación*, dirigido por el Prof. Jérôme Noailly y el Dr. Simone Tassani (UPF) y por los Dres. Joan Carlos Monllau y Jordi Monfort (Hospital del Mar/Research Mar Institute). También forma parte del proyecto O-Health, dirigido por el Jérôme Noailly y financiado por el Consejo Europeo de Investigación (ERC). El estudio de esta investigación en concreto lo ha codirigido Noailly con la Dra. Gemma Piella (UPF).

A día de hoy, el principal método para diagnosticar la artrosis de rodilla se basa mayoritariamente en la combinación de técnicas de imagen con los síntomas expresados por los pacientes –condicionados por percepciones subjetivas–, con el apoyo de cuestionarios médicos. Además, en la mayoría de casos, la enfermedad se detecta en fases avanzadas cuando sólo es posible paliar sus consecuencias, pero no revertirlas.

El nuevo método permitirá detectar las disfunciones en la producción de tejido cartilaginoso que causan la artrosis de rodilla, contribuyendo a dar mayor objetividad a los síntomas que sufren los pacientes, lo que también tiene una gran relevancia en la medicina de precisión.

El estudio, que se ha difundido recientemente con un artículo publicado por la revista Scientific Reports (Nature), aporta avances relevantes para una de las enfermedades con mayor prevalencia en las sociedades contemporáneas. La artrosis afecta al 22% de los hombres y al 31% de las mujeres mayores de 55 años, según el Institute for Health Metrics and Evaluation (2019), y se prevé que su incidencia augmente en el futuro.

Simulaciones computacionales para detectar si las células productoras del cartílago de las articulaciones, o condrocitos, funcionan o no con normalidad

El nuevo método se ha diseñado y testeado a partir de una muestra de 51 pacientes con artrosis de rodilla moderada, todas ellas mujeres. Por un lado, sigue utilizando datos clínicos que definen el estado patológico o los síntomas de cada paciente. Pero, por otro, permite correlacionar los datos clínicos reales de cada paciente con datos simulados del comportamiento de sus condrocitos: las células responsables de la producción del cartílago, el tejido amortiguador que recubre las articulaciones y que contribuye a reducir las fricciones entre los huesos que unen. Si los condrocitos de un paciente tienen un comportamiento destructivo, se desencadenará la artrosis y, si tienen un comportamiento normal o preservativo, no se generará la enfermedad.

El comportamiento de los condrocitos de cada paciente puede calcularse a partir de un modelo computacional personalizado, que relaciona las proteínas del líquido presente en la rodilla (líquido sinovial) con las que se encuentran en el interior de los condrocitos. Se trata de un modelo computacional basado en redes, que integra gran cantidad de conocimiento de la biología del cartílago articular para simular comportamientos mecanobiológicos. Los nodos de la red representan proteínas y otras moléculas importantes para la regulación de la actividad de los condrocitos y sus interacciones.

Con este modelo computacional, se puede simular el comportamiento específico de los condrocitos de cada paciente, en función de las proteínas detectadas en el líquido sinovial. Por eso, tiene un gran potencial en el ámbito de la prevención, puesto que posibilitaría la detección de las causas de la artrosis desde sus fases más tempranas.

Una vez se cuenta tanto con los datos clínicos como con los simulados de la rodilla de cada paciente, ambas pueden correlacionarse gracias al tercer elemento del método diagnóstico: el uso de un modelo de analítica de datos y de aprendizaje automático denominado SVM (Support Vector Machine). Así lo explica Jérôme Noailly, jefe del área de investigación de Biomechanics and Mechanobiology (BMMB) del BCN MedTech de la UPF: "Hacemos un ejercicio de minería de datos con aprendizaje automático, en nuestro caso con la tecnología SVM. Nos permite evaluar qué moléculas y mecanismos indicados por el modelo y las simulaciones se relacionarían mejor con la patología y sus descriptores clínicos en cada paciente".

Hacia la identificación de nuevos biomarcadores de la artrosis

La correlación entre los datos clínicos y biológicos de las personas que padecen artrosis también puede contribuir a la identificación de biomarcadores de esa patología. Los biomarcadores son esencialmente sustancias que indican la presencia de elementos o procesos biológicos que sirven para distintos fines, entre ellos diagnosticar una enfermedad, definir su severidad y extensión, o evaluar su eficacia del tratamiento. En el caso de la artrosis, actualmente no existe ningún biomarcador validado por la comunidad científica que sirva como diana terapéutica, es decir, para determinar sobre qué parte específica del organismo debe aplicarse el tratamiento farmacológico contra la enfermedad.

Para avanzar en la detección de biomarcadores de este tipo, la investigación ha seguido el siguiente procedimiento. Primero, se han dividido a los pacientes en dos grupos diferentes según si presentaban mayor o menor nivel de 7 descriptores de la sintomatología de la artrosis. Después, se ha examinado qué posible biomarcador (o elemento diferenciador) había tenido mayor influencia a la hora de clasificar a los pacientes por grupos.

Uno de los potenciales biomarcadores identificados es el nivel de proteínas del líquido sinovial de la rodilla. "Si bien también se han examinado posibles biomarcadores presentes en la orina o la sangre, consideramos que la proteómica del líquido sinovial puede ser más efectiva para diagnosticar la artrosis"- explica Maria Segarra-Queralt, primera autora del artículo sobre la investigación e investigadora del BCN MedTech de la UPF. Hay que tener en cuenta que el líquido sinovial se encuentra dentro de las articulaciones y que, por tanto, tiene un nivel de proximidad mucho mayor con el cartílago que las sustancias que se puedan encontrar en la orina o la sangre. De cara al futuro, éstos y otros potenciales biomarcadores identificados por el estudio tendrán que validarse con un mayor número de pacientes.

Entre los resultados más destacables, que todavía son preliminares, los investigadores han podido confirmar, en primer lugar, que los datos clínicos actuales por sí solos no permiten explicar la inflamación medida en la articulación. La hipótesis es que esto se debe a que los datos clínicos actuales están influenciados por la percepción del dolor de cada paciente, que a su vez dependen de la situación sociocultural de cada individuo. Por eso, se propone limitar el uso de los datos clínicos actuales, que no acaban de aportar información objetiva sobre el origen de la enfermedad, y como alternativa medir el nivel de proteínas del líquido de la rodilla.

Gracias a este estudio, se ha constatado que las defensas innatas del organismo tienen gran influencia para el desarrollo de la artrosis. Esto podría tener un impacto positivo en lo que respecta al tratamiento de la enfermedad en un futuro. Por ejemplo, si un paciente siente mucho dolor, pero tiene niveles bajos de estas proteínas, todo indicaría que el dolor que él siente está alterado por otras vías que no provienen directamente de la artrosis, como podría ser una depresión que altera la percepción del dolor en un individuo. Por tanto, para este paciente, seguramente sería contraproducente ser sometido a una intervención quirúrgica para reemplazarle la rodilla con una prótesis. Por último, gracias al uso del modelo computacional, se ha podido determinar cómo se comportan los condrocitos. Los resultados indican que el fomento de la regeneración biológica del condrocito tendría mayor potencial terapéutico que tratamientos enfocados a la supresión de las señales proinflamatorias de estas células.