La respuesta de personas con sistemas inmunitarios comprometidos a las vacunas es un área importante de investigación inmunológica. Un nuevo estudio liderado por la Universidad de York ha revelado que modelos de aprendizaje automático no solo pueden identificar con precisión diferencias entre controles sanos y personas que viven con el VIH, sino que también han detectado casos atípicos en ambos grupos, ofreciendo perspectivas fascinantes sobre la complejidad del sistema inmunitario y el futuro de la medicina personalizada.
Esta medicina personalizada podría tener en cuenta factores como la edad, las comorbilidades y la genética. Según Chapin Korosec, autor principal del estudio, este trabajo representa un paso importante hacia el desarrollo de estrategias de intervención de vacunación personalizadas. Al comprender la estructura de la variabilidad inmunitaria a gran escala, se avanza hacia una base de datos que permitirá diseñar vacunas y terapias más adaptadas a cada individuo.
La investigación se basó en un conjunto de datos de personas con y sin VIH que recibieron hasta cinco dosis de la vacuna contra el COVID-19 a lo largo de 100 semanas. Todos los individuos que viven con el VIH eran del Gran Área Metropolitana de Toronto y su enfermedad estaba controlada con terapia antirretroviral.
Los investigadores utilizaron un método de aprendizaje automático llamado «random forest» para analizar 64 biomarcadores inmunitarios generados en respuesta a la vacuna contra el COVID-19, y luego crearon un grupo de «pacientes virtuales» para modelar aún más las respuestas inmunitarias.
Más información sobre el estudio (en inglés).
