Un modelo predictivo basado en aprendizaje automático puede analizar firmas proteicas en muestras de sangre para anticipar el riesgo de trombosis venosa, un tipo de coágulo sanguíneo frecuente en pacientes con cáncer. El modelo, que se evaluó en dos cohortes de pacientes, también reveló una posible diana terapéutica en ratones. «Si se confirman en poblaciones de pacientes más amplias y diversas, estos resultados podrían orientar estrategias de tromboprofilaxis más precisas y abrir vías hasta ahora inexploradas para intervenciones antiinflamatorias», escriben Dimitra Karagkouni y sus colegas. La trombosis es un problema de salud muy frecuente entre los pacientes con cáncer, y las tromboembolias venosas, en particular, son una de las principales causas de muerte. Los investigadores han desarrollado métodos como la puntuación de riesgo de Khorana para identificar a los pacientes con mayor riesgo de trombosis y que, por lo tanto, serían quienes más se beneficiarían de terapias anticoagulantes de riesgo. Sin embargo, los modelos existentes no predicen con precisión el riesgo de tromboembolia venosa, y se necesitan más estudios para descubrir nuevos marcadores predictivos. Karagkouni y sus colegas recurrieron a métodos de aprendizaje automático, que resultan especialmente útiles para analizar grandes conjuntos de datos de posibles biomarcadores. En primer lugar, analizaron 1.105 proteínas en el plasma de 163 pacientes con cáncer de pulmón o gástrico a los que se les hizo seguimiento para detectar tromboembolias venosas. El equipo construyó un modelo probabilístico basado en 11 de estos marcadores y en los parámetros clínicos de los pacientes, que superó a la ampliamente utilizada puntuación de Khorana en las pruebas iniciales y en una segunda cohorte externa. El modelo también identificó la menor expresión de CD200R1, el receptor de la proteína CD200, como uno de los 11 marcadores. Al pasar a los ratones, el equipo demostró que la deficiencia de CD200R1 provocaba un aumento de la molécula de señalización inflamatoria IL-17A, y que la administración de anticuerpos contra IL-17A restablecía el equilibrio entre la trombina y la antitrombina. Por último, también observaron que, en varios estudios previos de pacientes con COVID-19, el tratamiento con anticuerpos anti-IL-17A se correlacionaba con un menor riesgo de tromboembolia pulmonar.