La IA se convierte en aliada para detectar el síndrome de fatiga crónica y el long Covid

• curecompass
• 26 julio, 2025
• I+D, Medicina, Tecnología
• COVID-19, Duke University, encefalomielitis miálgica, fatiga crónica, Jackson Laboratory, long covid, Nature Medicine, OMS, Portada
• 0 Comments

Una plataforma desarrollada por científicos de Duke y Jackson Laboratory identifica con 90% de precisión señales biológicas clave que podrían transformar el diagnóstico de enfermedades complejas.

El avance de la inteligencia artificial (IA) en medicina sigue dando pasos firmes. En esta ocasión, un grupo de científicos de Estados Unidos logró identificar con un 90% de precisión casos de encefalomielitis miálgica (EM), también conocida como síndrome de fatiga crónica, a partir de muestras de sangre y materia fecal procesadas mediante una innovadora plataforma de IA. Los hallazgos, que también aportan pistas sobre el long Covid, fueron publicados en la revista Nature Medicine.

La investigación estuvo liderada por la microbióloga Julia Oh, de la Universidad de Duke, en colaboración con el Jackson Laboratory, y se centró en encontrar patrones biológicos invisibles hasta ahora en este tipo de patologías. “Nuestro objetivo es construir un mapa detallado de cómo interactúa el sistema inmunológico con las bacterias intestinales y los compuestos químicos que producen”, explicó Oh. “Al conectar esos puntos, podemos comenzar a entender qué impulsa la enfermedad y allanar el camino hacia una medicina realmente precisa, que hasta ahora parecía inalcanzable”.

Señales en el intestino y el sistema inmune

La EM y el long Covid comparten síntomas como fatiga profunda, alteraciones del sueño, dificultades cognitivas y una caída abrupta de energía tras un esfuerzo físico o mental. Se estima que decenas de millones de personas en todo el mundo sufren estas afecciones, aunque su diagnóstico sigue siendo un desafío. Según la Organización Mundial de la Salud, alrededor del 6% de quienes contrajeron Covid-19 desarrollan luego síntomas persistentes, conocidos como long Covid.

En este estudio, los investigadores analizaron datos de 249 personas —de las cuales 153 tenían EM diagnosticada— y cruzaron información sobre su microbioma intestinal, respuestas inmunológicas y metabolitos (sustancias involucradas en procesos químicos del organismo). Además, se consideraron doce categorías de síntomas reportados en encuestas de estilo de vida.

El análisis reveló alteraciones significativas y progresivas en la interacción entre las bacterias intestinales, el metabolismo y el sistema inmunológico en los pacientes con EM. Uno de los hallazgos más destacados fue la disminución de butirato, un metabolito vinculado al buen funcionamiento intestinal y a beneficios generales para la salud.

“El problema podría no ser un componente roto, sino la comunicación interrumpida entre sistemas”, explicó Janet Scott, docente e investigadora del MRC-University of Glasgow Centre for Virus Research. Para Scott, el uso de IA para identificar patrones complejos en enfermedades multisistémicas representa un enfoque prometedor, ya que permite pensar estos cuadros como enfermedades en red.

Diagnóstico tardío y tratamientos aún pendientes

Aunque los resultados entusiasman a buena parte de la comunidad científica, también llaman a la prudencia. “Los pacientes a menudo llegan al diagnóstico mucho después de que la enfermedad comenzó, lo que dificulta identificar sus causas a nivel molecular”, señaló Daniel Davis, profesor de inmunología en el Imperial College London y autor del libro Self Defence. “La búsqueda de tratamientos efectivos continúa, pero el conocimiento generado por este estudio será útil por muchos años”, añadió.

El artículo publicado en Nature Medicine se suma a una creciente serie de investigaciones que detectan anomalías físicas en pacientes con EM. Sin embargo, aún no se logró establecer un patrón biológico consistente. “Lo que vemos son pequeños pasos incrementales que no se están replicando entre sí”, advirtió Alan Carson, profesor de neuropsiquiatría en la Universidad de Edimburgo. Para Carson, eso plantea dudas sobre si los pacientes estudiados en distintas investigaciones realmente padecen EM o condiciones parecidas.

Mientras tanto, el desarrollo de herramientas diagnósticas más precisas gracias al uso de inteligencia artificial marca una esperanza para pacientes que llevan años navegando entre síntomas difusos y falta de respuestas médicas claras. La integración entre la ciencia de datos, la biología y la medicina personalizada parece estar dando sus primeros frutos, con el potencial de cambiar la vida de millones.