Astronomía, divulgación, descubrimientos, ecología, innovación...
TE LO CONTAMOS
Investigadores españoles han desarrollado un modelo de aprendizaje automático destinado al reposicionamiento de medicamentos, una alternativa cada vez más fuerte frente al lento y costoso proceso de creación de nuevos compuestos.
Cuando se emplea un algoritmo de aprendizaje automático para predecir en qué enfermedades se puede usar un fármaco, no se sabe explicar el por qué, lo que genera dudas respecto a la fiabilidad de la predicción. Por tanto, sería ideal tener un mecanismo de reposicionamiento que, además, explicase por qué predice de la forma que lo hace.
Un grupo de investigadores de la Universidad Politécnica de Madrid (UPM) acaba de desarrollar un método de restitución de fármacos que busca dar explicaciones de por qué propone tratar la enfermedad X con el compuesto Y. El nuevo algoritmo se llama XG4REPO (eXplainable Graphs for Repurposing).
Además, no solo reposiciona, sino que presenta los resultados de forma que sean comprensibles, indicando qué mecanismos biológicos se usan para la predicción. Esto permite que sus pronósticos sean validados por expertos médicos, quienes pueden valorar si es una explicación legítima o no, y así, generar previsiones mucho más robustas.
Para demostrar su eficacia, los investigadores probaron a predecir la aplicación de tres fármacos conocidos contra el cáncer y detectaron que, entre las predicciones del algoritmo, había muchas que ya estaban en fase de ensayo clínico inicial. Los resultados se publican en Scientific Reports.
Como señala el profesor de la UPM Santiago Zazo, que ha formado parte del equipo de trabajo, “este mecanismo constituye un paso más hacia la aplicación de técnicas de inteligencia artificial en el campo médico, no para reemplazar a los expertos, sino para facilitarles el análisis de una gran cantidad de datos en poco tiempo, y acelerar el proceso de desarrollo de medicamentos”.
El proceso de creación de medicamentos es lento y costoso, ya que involucra numerosas pruebas para garantizar la seguridad del nuevo medicamento para obtener la autorización para su comercialización por parte de las autoridades sanitarias.
Una alternativa que cada vez toma más fuerza para paliar esta situación es el reposicionamiento de medicamentos existentes, que consiste en identificar nuevas aplicaciones para fármacos que ya están aprobados. Esto significa usar un fármaco que ya existe para tratar una enfermedad diferente a la que se tenía en mente cuando se diseñó el medicamento.
Esta técnica tiene una serie de ventajas, como que permite acortar significativamente los tiempos de desarrollo del medicamento, ya que el fármaco está aprobado y se conocen sus efectos secundarios. Además, no se necesita volver a hacer las costosas pruebas de seguridad, primero en animales, y luego en ensayos clínicos. Asimismo, la mayoría de los medicamentos desarrollados en laboratorio no llegan a comercializarse por sus efectos adversos, problema que el reposicionamiento no tiene.
Todo esto permite desarrollar tratamientos para patologías nuevas de una forma mucho más rápida que la creación desde cero de un medicamento. Durante la pandemia de covid, por ejemplo, el reposicionamiento saltó a las noticias por los intentos de emplear diferentes fármacos para tratar esta nueva enfermedad. Pero, además, el reposicionamiento es una gran esperanza para los pacientes de enfermedades raras, ya que permitiría el desarrollo de tratamientos con un bajo coste para el laboratorio.
El gran reto del reposicionamiento consiste en identificar qué patrones, afectados por un medicamento concreto, aparecen en otras enfermedades. Así, si dos enfermedades tienen un patrón similar, y para tratar la primera se usa cierto medicamento, es probable que para la segunda también se pueda usar.
Pero realizar esta identificación de patrones por parte de expertos es un proceso costoso que requiere un amplio conocimiento de las enfermedades y sus mecanismos. No obstante, las técnicas de aprendizaje automático de las que disponemos en la actualidad son muy buenas en esta detección de patrones.
Sin embargo, las técnicas de inteligencia artificial presentan el problema de la interpretabilidad. Los autores concluyen que este nuevo algoritmo XG4REPO supone un marco de trabajo para la reutilización de fármacos mediante gráficos de conocimiento que predicen enfermedades que pueden tratarse con un compuesto determinado.
Referencia:
Jiménez, A., Merino, M.J., Parras, J. et al. Explainable drug repurposing via path based knowledge graph completion. Sci Rep (2024).