Probablemente el campo de mayor avance y popularidad durante este siglo está siendo el de la Inteligencia Artificial, una disciplina multidisciplinaria centrada en la informática que permite el desarrollo de sistemas y tecnologías para cumplir tareas que normalmente requieren inteligencia humana. De alguna forma, se busca que estos sistemas “piensen” de forma similar a los humanos, permitiendo el aprendizaje de datos, adaptación a nuevas situaciones y mejora con el tiempo sin intervención humana directa.
Con múltiples aplicaciones de este campo que van desde el reconocimiento de texto y procesamiento del lenguaje natural hasta el desarrollo aeroespacial, la IA está marcando la pauta de muchos desarrollos científicos, y el mundo de la microbiota intestinal y los probióticos no se quedan atrás. Veamos algunas aplicaciones y la lista de deseos de este campo en desarrollo.
La IA y los secretos de la microbiota intestinal
Estudiar la microbiota de un individuo no es tarea fácil. Además de las dificultades técnicas implicadas en el entendimiento de la microbiota, como la imposibilidad de cultivar algunas cepas, sobre todo microorganismos anaeróbicos o con necesidades nutricionales muy particulares, o de recrear correctamente la microbiota humana en modelos animales [1][2], existe un problema importante: la gigantesca y compleja cantidad de datos que se necesitan analizar.
Por lo general, los estudios modernos que abordan la composición de la microbiota liberan una gran cantidad de datos producto de la secuenciación del ADN de las especies bacterianas residentes en la microbiota, y disponen de varias etapas propensas a sesgos, lo que hace que los resultados sean menos exactos de lo esperado [1][3]. Sin embargo y gracias a la Inteligencia Artificial, se están desarrollando métodos que permiten procesar y entender esta información, logrando establecer conexiones nunca antes vistas entre las diversas especies microbianas y su entorno [4].
Las técnicas de IA están permitiendo lograr clasificaciones más certeras de la composición del microbioma, incluso al nivel de cepa, lo cual también permite relacionar diferentes composiciones con estados de salud y enfermedad. Por ejemplo, el deep learning se ha utilizado ampliamente para estratificar a los pacientes en función de la composición del microbioma intestinal, para ayudar en el diagnóstico y tratamiento de enfermedades como las enfermedades inflamatorias intestinales, la obesidad y el cáncer colorrectal [5]. Estos modelos predictivos están abriendo la puerta a la medicina personalizada, donde suplementos como los probióticos están cada vez más teniendo relevancia.
La personalización de los probióticos
La habilidad para caracterizar de forma más completa la microbiota de cada persona está facilitando la creación de intervenciones terapéuticas personalizadas, que logren controlar la posible disbiosis del individuo. La IA se está usando para entender las posibles respuestas de los microbiomas humanos frente a suplementos, alimentos y diversos medicamentos [6].
Una idea interesante y en desarrollo es la creación de modelos que permitan predecir cómo ciertas cepas probióticas van a incidir sobre microbiotas particulares. Al simular estas interacciones, la IA puede ayudar a optimizar dosis y formulaciones para lograr la máxima eficacia posible, lo cual puede ayudar a acelerar el desarrollo de probióticos personalizados.
Pero eso no es todo, ya que gracias a algoritmos de machine learning, algunos investigadores pueden incluso predecir cómo un grupo de probióticos pueden trabajar en sintonía para maximizar la producción de metabolitos bioactivos con propiedades terapéuticas. Esto facilita la producción de nuevas combinaciones probióticas diseñadas para condiciones de salud específicas [7][8].
Desde la selección e ingeniería de cepas hasta el análisis del microbioma y los modelos predictivos, la IA está impulsando un cambio de paradigma en el bienestar digestivo. A medida que adoptamos estas nuevas y audaces estrategias, nos encontramos al borde de una revolución de la salud intestinal preparada para remodelar el bienestar individual y el panorama empresarial e industrial del futuro.
Referencias
[1] Nearing, J. T., Comeau, A. M., & Langille, M. G. I. (2021). Identifying biases and their potential solutions in human microbiome studies. Microbiome, 9(1), 113. https://doi.org/10.1186/s40168-021-01059-0
[2] National Academies of Sciences, Engineering, and Medicine; Division on Earth and Life Studies; Board on Life Sciences; Board on Environmental Studies and Toxicology; Committee on Advancing Understanding of the Implications of Environmental-Chemical Interactions with the Human Microbiome. (2017). Environmental chemicals, the human microbiome, and health risk: A research strategy. National Academies Press (US). Available from https://www.ncbi.nlm.nih.gov/books/NBK481559
[3] Singh, R. P., Shadan, A., & Ma, Y. (2022). Biotechnological applications of probiotics: A multifarious weapon to disease and metabolic abnormality. Probiotics and Antimicrobial Proteins, 14(6), 1184–1210. https://doi.org/10.1007/s12602-022-09992-8
[4] Medina, R. H., Kutuzova, S., Nielsen, K. N., Johansen, J., Hansen, L. H., Nielsen, M., & Rasmussen, S. (2022). Machine learning and deep learning applications in microbiome research. ISME Communications, 2, Article 98. https://doi.org/10.1038/s43705-022-00182-9
[5] Marcos-Zambrano, L. J., Karaduzovic-Hadziabdic, K., Loncar Turukalo, T., Przymus, P., Trajkovik, V., Aasmets, O., Berland, M., Gruca, A., Hasic, J., Hron, K., Klammsteiner, T., Kolev, M., Lahti, L., Lopes, M. B., Moreno, V., Naskinova, I., Org, E., Paciência, I., Papoutsoglou, G., … Truu, J. (2021). Applications of machine learning in human microbiome studies: A review on feature selection, biomarker identification, disease prediction and treatment. Frontiers in Microbiology, 12, 634511. https://doi.org/10.3389/fmicb.2021.634511
[6] Puschhof, J., & Elinav, E. (2023). Human microbiome research: Growing pains and future promises. PLoS Biology, 21(3), e3002053. https://doi.org/10.1371/journal.pbio.3002053
[7] Abouelela, M. E., & Helmy, Y. A. (2024). Next-generation probiotics as novel therapeutics for improving human health: Current trends and future perspectives. Microorganisms, 12(3), 430. https://doi.org/10.3390/microorganisms12030430
[8] Westfall, S., Carracci, F., Estill, M., Zhao, D., Wu, Q.-L., Shen, L., Simon, J., & Pasinetti, G. M. (2021). Optimization of probiotic therapeutics using machine learning in an artificial human gastrointestinal tract. Scientific Reports, 11, 1067. https://doi.org/10.1038/s41598-020-79947-y