La investigación, liderada por los doctores Catalina Pardo y Rafael Medina, fue publicada en la revista Nature Communications y propone un sistema basado en inteligencia artificial y secuenciación de nueva generación para analizar la evolución del virus en tiempo real.

En concreto, a partir de muestras recolectadas en aves silvestres, aves de corral y mamíferos marinos, los investigadores desarrollaron un algoritmo capaz de predecir la aparición de variantes con potencial zoonótico.

"La velocidad con la que el virus se diseminó en distintas especies durante el brote de 2023 nos llevó a desarrollar nuevas estrategias para mejorar la vigilancia genómica en el país", explicó el Dr. Medina. "Nuestro sistema permite identificar cambios genéticos clave antes de que el virus se propague a nuevas poblaciones".

Para la implementación de este modelo se trabajó en conjunto con el Servicio Agrícola y Ganadero (SAG) y el Servicio Nacional de Pesca y Acuicultura (SERNAPESCA), organismos clave en la vigilancia sanitaria de fauna silvestre. Además, contaron con el respaldo financiero del National Institutes of Health (NIH), a través del EMORY Center of Excellence for Influenza Research and Surveillance (CEIRS).

Los hallazgos de esta investigación podrían tener un impacto significativo en la prevención de futuras zoonosis. "Si logramos identificar rápidamente las mutaciones que facilitan la adaptación del virus a los mamíferos, podríamos tomar medidas preventivas más efectivas, reduciendo el riesgo de brotes en humanos", destacó la Dra. Pardo.

El estudio también permitió comparar el material genético de muestras animales con el primer caso humano de influenza H5N1 registrado en Chile, en colaboración con el Instituto de Salud Pública (ISP). Esto reveló similitudes en los patrones de mutación, confirmando la necesidad de un monitoreo constante.