Inteligencia artificial para la priorización de antecedentes genéticos en el síndrome de Brugada (AI4Cardio)

El síndrome de Brugada (SB) es un trastorno eléctrico cardíaco hereditario que puede causar síncope y paro cardíaco repentino en individuos jóvenes asintomáticos. Se sospecha que contribuye al 4-12% de los casos de muerte cardíaca súbita en la población general. El diagnóstico se basa en la identificación de un patrón ECG tipo I caracterizado por elevación del segmento ST con morfología cóncava en las derivaciones precordiales derechas. La prevalencia en los países occidentales se estima en 1:5000. Actualmente, la implantación de un desfibrilador automático (DAI) es la única opción de tratamiento, pero las directrices de estratificación del riesgo siguen incompletas, especialmente para personas asintomáticas.

El SB se hereda como un rasgo autosómico dominante con penetrancia incompleta. Si bien se han asociado 23 genes con la susceptibilidad al SB, el 70% de los pacientes siguen sin caracterizarse genéticamente, lo que sugiere un patrón de herencia más complejo. La genética no se ha incorporado en las pautas de estratificación del riesgo, a pesar de la evidencia que vincula ciertas variantes genéticas con un mayor riesgo de arritmia. Esta brecha de conocimiento subraya la importancia de ampliar nuestra comprensión de la genética del BS para mejorar la sensibilidad diagnóstica y el manejo del paciente.

Este protocolo se basa en datos preliminares de un estudio otorgado por el Ministerio de Salud italiano (GR-2016-02362316), en el que se utilizó la secuenciación de próxima generación (NGS) para investigar todas las regiones codificantes (Whole Exome Sequencing_WES) de 200 pacientes con SB. . El estudio tuvo como objetivo identificar nuevos genes candidatos a BS y caracterizar la base genética de la enfermedad.

La cohorte se seleccionó en función de la presencia de un ECG tipo I, confirmado espontáneamente o inducido por flecainida o ajmalina. Los pacientes se sometieron a evaluaciones cardíacas exhaustivas para descartar otras afecciones. El seguimiento incluyó evaluaciones anuales y evaluaciones más frecuentes para los pacientes con mayor riesgo de taquicardia ventricular.

Se identificó una gran cantidad de variantes genéticas mediante la explotación de WES, lo que impulsó el uso de Inteligencia Artificial (IA) para priorizar los datos de secuenciación. Las técnicas de inteligencia artificial, incluidos algoritmos avanzados y aprendizaje automático, pueden agilizar la identificación de variaciones genéticas potencialmente causantes de enfermedades al filtrar variantes comunes, predecir la patogenicidad e integrar datos clínicos.

Dado que más del 70% de los pacientes con SB siguen sin ser diagnosticados genéticamente, los enfoques de secuenciación de alto rendimiento son cruciales para una comprensión integral de la genética del SB. Este estudio tiene como objetivo contribuir a la identificación de nuevos factores genéticos y mejorar la estratificación del riesgo de los pacientes afectados. Todos los datos de secuenciación para este proyecto se han generado y se analizarán mediante IA, sin que sea necesario inscribir ni secuenciar más pacientes.