La inteligencia artificial logra identificar y clasificar una de las bacterias que se resistía a la ciencia

Un equipo de investigadores ha desarrollado un nuevo método basado en inteligencia artificial que facilita la identificación rápida de una de las bacterias no tuberculosas más difíciles de clasificar, un trabajo que suma datos de seis hospitales de Europa y aprendizaje automático.

Investigadores del Departamento de Ciencias de la Computación de la Universidad de Granada (UGR) y del DaSCI-Andalusian Research Institute in Data Science and Computational Intelligence han desarrollado un enfoque de aprendizaje automático que mejora de forma significativa la identificación de subespecies del complejo Mycobacterium abscessus.

Lo hacen con la colaboración del Hospital Gregorio Marañón de Madrid y de la firma Clover Bioanalytical Software y con una técnica rápida y precisa utilizada para identificar microorganismos mediante patrones proteicos.

El estudio, cuyos resultados publica la revista Journal of Proteome Research, ha analizado 325 perfiles espectrales obtenidos en un entorno multicéntrico.

Ha demostrado que corregir las variaciones entre laboratorios, reducir el campo del espectro y combinar este procesamiento con selección de características y técnicas de equilibrado de clases permite alcanzar un rendimiento muy superior al descrito hasta ahora.

La mejor configuración ha logrado aproximadamente un 97 % de precisión y exhaustividad en la identificación de especies y variantes, y un porcentaje similar en la clasificación correcta entre subespecies en el conjunto de prueba.

Uno de los elementos técnicos clave del trabajo es la reducción del 'binning', concepto que se refiere a la agrupación de señales del espectro.

Esta decisión mejora la capacidad del modelo para detectar diferencias sutiles entre espectros muy similares y contribuye a obtener resultados equilibrados entre las subespecies, incluidas mejoras notables en la identificación de la variante más difícil de discriminar: M. abscessus subsp. bolletii. Para ser más exactos, se trata de una bacteria patógena emergente, cuyo descubrimiento y reclasificación taxonómica se consolidó en la primera década de los años 2000. Sin embargo, no ha sido hasta ahora cuando se han conocido nuevos detalles gracias a la herramienta de inteligencia artificial.

El método propuesto busca aumentar la robustez de los modelos en escenarios reales, en los que los datos proceden de hospitales distintos y presentan variabilidad inherente.

El Instituto Andaluz Interuniversitario en Ciencia de Datos e Inteligencia Computacional, conocido como Instituto DaSCI, es una entidad de colaboración entre las universidades de Granada, Jaén y Córdoba que se dedica a la investigación avanzada y la formación en el ámbito de la IA, con un enfoque particular en la Ciencia de Datos e Inteligencia Computacional.