Si no es tratada, la acumulación progresiva de grasa puede conducir en última instancia a insuficiencia hepática. La enfermedad también se ha relacionado con un mayor riesgo de afecciones cardiovasculares y diversos tipos de cáncer. Sin embargo, la afección suele desarrollarse sin síntomas apreciables, por lo que rara vez se detecta en una fase temprana y tratable. Incluso entre las personas con cirrosis o cicatrización hepática avanzada, tres de cada cuatro solo reciben el diagnóstico cuando la enfermedad ya pone en peligro su vida.
La inteligencia artificial al rescate
Como consecuencia, un número cada vez mayor de especialistas está investigando cómo podría ayudar la IA. Jeffrey Lazarus es profesor de la Escuela de Posgrado de Salud Pública y Política Sanitaria de la CUNY. Sugiere que las herramientas de IA podrían usarse para examinar minuciosamente un gran número de historiales médicos electrónicos. Así esperan identificar a las personas con mayor probabilidad de haber acumulado cantidades preocupantes de grasa hepática.
“La IA puede analizar retrospectivamente los datos de un gran número de visitas hospitalarias y de informes de laboratorio”, asegura Lazarus. “Esto permite determinar a quiénes debe darse prioridad según su nivel de riesgo.”
Si la enfermedad del hígado graso se detecta a tiempo, gran parte del daño puede revertirse. En las fases iniciales, ciertos cambios en el estilo de vida pueden revertir la fibrosis y la inflamación: reducir el consumo de alcohol, mejorar la alimentación, hacer ejercicio para perder peso e incluso aumentar el consumo de café. Además, en el caso de personas con fibrosis hepática de moderada a avanzada, se ha demostrado que tratamientos novedosos, como el medicamento GLP-1 semaglutida y un fármaco llamado resmetirom, son muy eficaces.
El hígado noble
“El hígado es un órgano muy versátil e interesante: es capaz regenerarse, la fibrosis es reversible y el órgano puede volver a estar completamente sano”, señala Lazarus. ”Pero, tradicionalmente, nos hemos centrado más en la atención en fases avanzadas y en intentar prolongar la vida del paciente, en vez de detectar la enfermedad a tiempo y evitar que avance".
Una de las frustraciones de Lazarus y otros especialistas es que, aunque existen métodos sencillos y no invasivos para evaluar la salud hepática, rara vez se utilizan. Esto ocurre incluso entre personas con un riesgo conocido mucho mayor de sufrir complicaciones por la enfermedad del hígado graso, como quienes padecen obesidad o diabetes tipo 2.
El índice Fib-4, por ejemplo, estima el riesgo de que una persona padezca fibrosis hepática avanzada mediante una puntuación de 0 a 6. El cálculo se basa en la edad, los niveles de dos enzimas hepáticas y la capacidad de coagulación sanguínea. Para ello, los médicos deben realizar un análisis de sangre para evaluar el hígado, algo que en Estados Unidos suele formar parte de un chequeo médico anual. También disponen de una prueba sanguínea más precisa de segunda línea, conocida como ‘prueba mejorada de fibrosis hepática’. Esta mide los niveles de dos proteínas implicadas en la formación de tejido cicatricial y de una enzima que inhibe la eliminación de las cicatrices del hígado.
Se ha demostrado que el uso de ambas pruebas en pacientes con niveles preocupantes de grasa hepática multiplica por cuatro la tasa de diagnóstico de aquellos con fibrosis avanzada. Sin embargo, para los médicos que se enfrentan a cargas de trabajo y administrativas cada vez mayores, el simple hecho de añadir más pruebas al flujo de trabajo no se considera una opción sostenible.“Es necesario contar con algo que pueda ejecutarse en segundo plano o que sea tan sencillo como pulsar un botón y listo”, explica Jonathan Dranoff, catedrático de medicina en la Universidad de Yale.
Por ello, Dranoff y Lazarus creen que la IA podría aprovechar los datos ya disponibles en los análisis de sangre rutinarios y automatizar el cálculo de la puntuación Fib-4. Esto facilitaría a los médicos de atención primaria decidir qué pacientes deben derivar a hepatología.
La IA también podría realizar esta tarea usando imágenes de rayos X
El año pasado, científicos de la Universidad Metropolitana de Osaka, en Japón, publicaron un estudio sobre un modelo de IA que analizaba radiografías de tórax rutinarias. Aunque estas imágenes se obtienen principalmente para examinar los pulmones y el corazón, también muestran parte del hígado. El modelo identificó casos de enfermedad del hígado graso con una precisión del 82%.
Lazarus sugiere incorporar algoritmos de IA al análisis rutinario de todas las radiografías que muestren el hígado junto con otros órganos. “La IA podría detectar casos de exceso de grasa hepática y comprobar otros factores de riesgo (como si la persona tiene sobrepeso, colesterol alto o diabetes tipo 2). A continuación, puede hacer una recomendación al médico”, destaca Lazarus. “Podría indicarle: ‘Quizá esto no sea lo que estaba buscando, pero es lo que se ha detectado, y debería derivar al paciente a un especialista en hepatología o endocrinología para que le realicen pruebas más exhaustivas’”.
El entrenamiento de algoritmos de IA con datos de análisis de sangre rutinarios también empieza a mejorar el diagnóstico de las formas progresivas de la enfermedad del hígado graso. Aunque Fib-4 es una herramienta rápida y de bajo costo, resulta menos precisa en ciertos grupos de edad, como los adolescentes y las personas mayores. Algunos estudios también han encontrado tasas elevadas de falsos positivos y derivaciones innecesarias cuando no se combina con otras pruebas.
Ante estas limitaciones, la startup danesa de tecnología sanitaria Evido desarrolló LiverPRO, un algoritmo de IA que evalúa el riesgo de fibrosis hepática a partir de la edad y de nueve biomarcadores sanguíneos rutinarios. Actualmente se comercializa en colaboración con Roche. En un estudio con más de 470,000 personas de mediana edad, superó a Fib-4 en la predicción del riesgo de sufrir problemas hepáticos graves.
Otras pruebas basadas en la IA también podrían ayudar a los médicos a seleccionar a los pacientes más adecuados para el tratamiento con resmetirom sin necesidad de que se sometan a una biopsia hepática invasiva. A principios de este año, un grupo internacional de hepatólogos publicó los resultados de un estudio sobre ALADDIN, otro algoritmo de aprendizaje automático basado en datos de análisis de sangre rutinarios. El modelo superó a Fib-4 y a otras escalas de riesgo al identificar a los pacientes con más probabilidades de beneficiarse del fármaco.
Cita un estudio realizado en Dinamarca que reveló que las personas informadas de que padecen fibrosis hepática son más propensas a seguir planes de alimentación y ejercicio. “Siempre buscamos mejorar el cumplimiento de una alimentación saludable y una mayor actividad física”, resalta Lazarus. “Decirle a alguien que podría tener o que tiene una enfermedad hepática es una forma de lograrlo”.Para los sistemas sanitarios que se enfrentan a una carga cada vez mayor de enfermedades crónicas, identificar y tratar a los pacientes en las primeras fases de la enfermedad del hígado graso supondría un enorme ahorro económico.
“Me encantaría decir: ‘Revisemos las historias clínicas electrónicas de los distintos sistemas sanitarios de EE UU e identifiquemos a las personas antes de que desarrollen cirrosis’”, comenta Lazarus. “Los trasplantes de hígado son extraordinariamente caros en cualquier país, pero especialmente en EE UU. Así que hay muchas buenas razones, tanto humanitarias como económicas, para detectar estos casos en una fase más temprana”.
Artículo originalmente publicado enWIRED.com. Adaptado por Mauricio Serfatty Godoy.