¿Tu sistema inmunológico aprende como la IA?

¿Podría la IA tener la clave para responder preguntas que han desconcertado a médicos y científicos durante décadas? Un estudio reciente en el Laboratorio Cold Spring Harbor (CSHL) toma prestados conceptos del aprendizaje automático para abordar un antiguo enigma de la inmunología.

En el timo, las células T del sistema inmunológico se entrenan para evitar atacar el tejido sano a través de un proceso llamado selección negativa. Allí, las células T se prueban para determinar si se unen a fragmentos de las propias proteínas del cuerpo, llamadas autopéptidos. Aquellos que lo hacen se eliminan inmediatamente. Sin embargo, cada célula T se encuentra solo con una pequeña fracción del enorme número de autopéptidos que abundan en todo el cuerpo. Entonces, ¿cómo aprende el sistema inmunológico a tolerar el resto?

“Esta ha sido durante mucho tiempo una pregunta abierta en inmunología”, explica la profesora asistente de CSHL Hannah Meyer. “La selección negativa es un proceso crucial, pero si las células T tuvieran que probar contra cada uno de los péptidos del cuerpo, tomaría una eternidad. Entonces, ¿cómo aprenden a evitar el fuego amigo? Creemos que es a través de un proceso llamado generalización”.

Para cualquiera que haya trabajado en tecnología durante los últimos 10 años más o menos, esa palabra debería sonar. “El aprendizaje automático se ocupa del problema de la generalización todo el tiempo”, explica el profesor asociado de CSHL, Saket Navlakha. Por ejemplo, para construir un modelo que pueda detectar perros, no necesitas entrenarlo en cada imagen de perro en la Web. “El aprendizaje automático nos dice que la generalización es posible, pero solo bajo ciertas condiciones. No es magia negra. Así que, intentemos ver esta pregunta de inmunología desde esa perspectiva”.

Meyer, Navlakha y su equipo descubrieron que el sistema inmunológico cumple con dos condiciones clave necesarias para aprender a través de la generalización. En primer lugar, la abundancia de autopéptidos en el timo refleja de cerca su abundancia en los tejidos de todo el cuerpo. En términos de aprendizaje automático, los datos de entrenamiento se parecen a los datos de prueba. En segundo lugar, los receptores de células T son de reacción cruzada, lo que significa que un solo receptor puede reconocer varios péptidos similares, lo que permite a la célula T aprender sobre péptidos que nunca encuentra directamente.

El estudio muestra que a través de este proceso, el 90% de las células T autorreactivas se pueden eliminar correctamente en el timo a pesar de que cada una se encuentra solo con el 10% de los autopéptidos del cuerpo. Por lo tanto, la investigación del equipo sugiere que nuestro sistema inmunológico logra la impresionante hazaña de la selección negativa a través de un tipo biológico de “generalización”.

Para llevar sus hallazgos un paso más allá, el equipo preguntó si los fracasos de este proceso de generalización podrían ayudar a explicar la autoinmunidad, cuando el sistema inmunológico ataca erróneamente el tejido sano. Sorprendentemente, el modelo de IA del equipo reprodujo con precisión las características del síndrome poliendocrino autoinmune tipo 1, una enfermedad autoinmune rara.

“Estamos llamando a esta dirección ImmunoAI”, dice Navlakha. “No estamos tratando de crear IA inspirada en el sistema inmunológico, pero estamos estudiando cómo el sistema inmunológico resuelve los problemas fundamentales de aprendizaje automático. Cuando empezamos a ver el sistema inmunológico como si fuera otro tipo de IA, podemos descubrir algunas cosas sorprendentes sobre la salud humana y las enfermedades”.

Escrito por: Nick Wurm, especialista en comunicaciones | [email protected] | 516-367-5940

FUENTE: Cold Sting Harbor Laboratory