Investigadores de la Universidad Estatal de Ohio, Estados Unidos, desarrollaron un método de aprendizaje automático que procesa cantidades masivas de datos para ayudar a determinar qué medicamentos existentes podrían mejorar los resultados en enfermedades para las que no están recetados, informa Europa Press. La intención de este trabajo es acelerar la reutilización de medicamentos,. Este no es un concepto nuevo. Es el caso, por ejemplo, de las inyecciones de bótox, que primero fueron aprobadas para tratar el estrabismo y ahora se usan como tratamiento para la migraña y como una estrategia cosmética superior para reducir la aparición de arrugas.

Pero llegar a esos nuevos usos generalmente implica una combinación de casualidades y de ensayos clínicos aleatorios costosos y que consumen mucho tiempo para garantizar que un medicamento que se considera efectivo para un trastorno sea útil como tratamiento para otro.

El equipo de Ohio creó un marco que combina enormes conjuntos de datos relacionados con la atención del paciente con computación de alta potencia para llegar a candidatos a fármacos reutilizados y los efectos estimados de esos medicamentos existentes en un conjunto definido de resultados.

Inteligencia artificial

Aunque este estudio se centró en la reutilización de medicamentos para prevenir la insuficiencia cardíaca y el accidente cerebrovascular, el marco es flexible y podría aplicarse a la mayoría de las enfermedades.

“Este trabajo muestra cómo se puede usar la inteligencia artificial para ‘probar’ un fármaco en un paciente y acelerar la generación de hipótesis y potencialmente acelerar un ensayo clínico -explica el autor principal, profesor Ping Zhang-. Pero nunca reemplazaremos al médico; las decisiones sobre los medicamentos siempre las tomarán ellos”.

La reutilización de fármacos es una actividad atractiva porque podría reducir el riesgo asociado con las pruebas de seguridad de los nuevos medicamentos y reducir drásticamente el tiempo que toma llevar un remedio al mercado para uso clínico. Los ensayos clínicos aleatorizados son el estándar de oro para determinar la efectividad de un medicamento contra una enfermedad, pero Zhang señala que el aprendizaje automático puede explicar cientos, o miles, de diferencias humanas dentro de una gran población, lo que podrían influir en cómo funciona la medicina en el cuerpo.

Estos factores, que van desde la edad, el sexo y la raza hasta la gravedad de la enfermedad y la presencia de otras patologías, funcionan como parámetros en el algoritmo informático de aprendizaje profundo en el que se basa el marco.

El “mundo real”

Esa información proviene de “evidencia del mundo real”, que son datos de observación longitudinales sobre millones de pacientes capturados por registros médicos electrónicos o reclamos de seguros y datos de recetas.

“Los datos del mundo real tienen muchos factores de confusión. Esta es la razón por la que tenemos que introducir el algoritmo de aprendizaje profundo, que puede manejar múltiples parámetros”, destaca Zhang.

“Si tenemos cientos o miles de factores de confusión, ningún ser humano puede trabajar con eso. Así que tenemos que usar inteligencia artificial para resolver el problema”, agrega el especialista.

“Somos el primer equipo en introducir el uso del algoritmo de aprendizaje profundo para manejar los datos del mundo real, controlar múltiples factores de confusión y emular ensayos clínicos”, resalta el investigador.

Seguros

El equipo utilizó datos de reclamos de seguros en casi 1,2 millón de pacientes con enfermedades cardíacas, que proporcionaron información sobre el tratamiento asignado, los resultados de la enfermedad y varios valores de posibles factores de confusión. El algoritmo de aprendizaje profundo también tiene el poder de tener en cuenta el paso del tiempo en la experiencia de cada paciente, para cada visita, prescripción y prueba de diagnóstico. La entrada del modelo para los medicamentos se basa en sus ingredientes activos.

“Con la inferencia causal podemos abordar el problema de tener múltiples tratamientos. No respondemos si el fármaco A o el fármaco B funcionan para esta enfermedad o no pero averiguamos qué tratamiento tendrá el mejor rendimiento”, precisa Zhang. El modelo arrojó nueve medicamentos empleados para otras patologías que podrían usarse en afecciones coronarias.

Hallazgo: otro uso para la metformina que no es la diabetes

Entre otros hallazgos, el análisis sugirió que los medicamentos para la diabetes metformina y escitalopram, utilizados para tratar la depresión y la ansiedad, podrían reducir el riesgo de insuficiencia cardíaca y accidente cerebrovascular. Resulta que ambos medicamentos se están probando actualmente para determinar su eficacia contra las enfermedades cardíacas. “Mi motivación es aplicar esto, junto con otros expertos, para encontrar medicamentos para enfermedades sin ningún tratamiento actual. Esto es muy flexible y podemos ajustar caso por caso --apunta el profesor Ping Zhang--. El modelo general podría aplicarse a cualquier enfermedad si se puede definir el resultado”.