La migraña, al descubierto

Con ayuda de la inteligencia artificial, los científicos han identificado cuatro tipos distintos de migraña. El algoritmo fue capaz de reconocer a las personas con este trastorno basándose muy poco en la información sobre el propio dolor de cabeza, lo que respalda la idea de que la migraña quizá no sea una sola enfermedad, sino un espectro de afecciones biológicas y clínicas relacionadas.

La migraña es una enfermedad neurológica frecuente. Se caracteriza por un dolor intenso y pulsátil, a menudo acompañado de náuseas y una sensibilidad elevada a la luz y al sonido. Los ataques pueden limitar seriamente la vida cotidiana, pero hoy el diagnóstico se basa sobre todo en la descripción de los síntomas que hace el paciente. Todavía no existe un biomarcador fiable, como un análisis de sangre o una prueba de imagen cerebral específica.

Los investigadores creen que las distintas formas de migraña surgen de la combinación de la predisposición genética y los factores ambientales. Ya se conocen algunas variantes genéticas asociadas a la enfermedad, pero en conjunto explican solo una pequeña parte del riesgo hereditario. Es probable que los genes interactúen entre sí y con los desencadenantes externos de forma más compleja de lo que reflejan los modelos estadísticos habituales.

El equipo dirigido por Antonios Danelakis, de la Universidad Noruega de Ciencia y Tecnología, estudió datos del proyecto noruego Trøndelag Health Study. En el primer análisis participaron 43 197 personas que habían aportado muestras genéticas y rellenado cuestionarios médicos. Según los criterios médicos tradicionales, se dividió a los participantes entre quienes tenían migraña y quienes no sufrían dolor de cabeza.

Los modelos de aprendizaje automático se entrenaron con datos genéticos y clínicos generales: información sobre el sueño, la salud cardiovascular, el estado mental, la situación socioeconómica y el uso habitual de medicamentos. Se excluyó deliberadamente la información sobre las características concretas del dolor de cabeza. Después, los algoritmos se probaron con otro grupo que no habían visto antes.

Uno de los modelos de aprendizaje automático fue el que mejor resolvió la tarea. Identificó a las personas con migraña con bastante precisión, lo que apunta a una relación entre la enfermedad y un conjunto de características que no se reduce al dolor de cabeza. Los factores más informativos fueron la edad, el sexo biológico, el dolor de cuello y las náuseas. También resultaron importantes la somnolencia, las variaciones de la presión arterial y la valoración subjetiva de la salud mental.

La incorporación de datos genéticos solo mejoró ligeramente la precisión. Según los investigadores, la abundante información clínica ya refleja muchas consecuencias de la predisposición genética, por lo que algunos datos genéticos se solapaban parcialmente con ella.

En la segunda parte del estudio, los científicos analizaron a 12 185 personas que habían comunicado dolor de cabeza. Esta vez emplearon aprendizaje no supervisado: no dieron al algoritmo reglas médicas, sino que le permitieron encontrar por sí mismo grupos con características similares. Incluyeron en el análisis las características del dolor y los indicadores generales de salud más informativos, y representaron los datos complejos en mapas visuales bidimensionales mediante un método de reducción de la dimensionalidad.

El algoritmo identificó dos grandes grupos. El primero incluía a 1425 personas; casi todas cumplían los criterios oficiales de migraña. El segundo reunía a 10 760 participantes, el 71 % de los cuales sufría dolores de cabeza que no eran migrañas. Así, el sistema separó por sí solo la migraña de otros tipos de dolor de cabeza.

A continuación, el grupo con migraña volvió a dividirse según indicadores de salud general, entre ellos el dolor de cuello y el estado mental. Así surgieron cuatro subtipos. El primero estaba compuesto exclusivamente por hombres. El segundo se caracterizaba por un dolor de cuello intenso y la ausencia de problemas gastrointestinales generales; quizá se trate de una variante relacionada con la tensión de los músculos del cuello.

El tercer subtipo agrupaba el dolor musculoesquelético generalizado, una peor valoración subjetiva de la salud, ansiedad y depresión. Los investigadores plantearon que podría reflejar una mayor reactividad del sistema nervioso al dolor. El cuarto correspondía a la migraña pulsátil clásica, pero sin las manifestaciones psicológicas ni el dolor físico generalizado propios del tercer grupo.

El análisis genómico mostró un solapamiento considerable entre las regiones genéticas de riesgo de los grupos definidos por el algoritmo y las de los pacientes identificados mediante criterios tradicionales. Al mismo tiempo, las estimaciones del riesgo genético diferían de forma notable entre los cuatro subtipos, lo que respalda la hipótesis de que existen diferencias biológicas reales.

El estudio tiene limitaciones. El estado médico se determinó mediante cuestionarios, por lo que los participantes podrían haber olvidado síntomas o entendido mal las preguntas. Quienes sufrían ataques poco frecuentes podrían haber respondido que no habían tenido dolor de cabeza durante el último año y acabar en el grupo de control. Los datos se recopilaron entre 1995 y 2008, por lo que quizá no reflejen plenamente los hábitos actuales de sueño y estilo de vida ni el estado de salud mental. Además, las tecnologías genéticas de entonces eran menos precisas que las actuales.

Las asociaciones encontradas son correlaciones: muestran qué características aparecen juntas, pero no demuestran que el dolor de cuello, la ansiedad o los trastornos del sueño causen migraña. Antes de aplicarlos en medicina, es necesario comprobar los modelos en otras poblaciones.

El siguiente paso es averiguar si los subtipos responden de manera distinta a los medicamentos. Esto podría ayudar a pasar de elegir el tratamiento mediante ensayo y error a una terapia más precisa. En el futuro, los dispositivos portátiles y las aplicaciones para teléfonos inteligentes, que registran los síntomas en tiempo real, podrían aportar datos adicionales.

El estudio «Machine Diagnostics and Machine Phenotyping of Migraine: A HUNT Study» fue elaborado por Antonios Danelakis, Håkon Kvisle Abildsnes, Fahim Faisal, Marte-Helene Bjørk, Dominic Giles, Knut Hagen, Tjaṧa Kumelj, Manjit Matharu, Parashkev Nachev, Erling Tronvik, Bendik S. Winsvold y Anker Stubberud.