El futuro del tratamiento personalizado del cáncer con la ayuda de la IA
El tratamiento convencional del cáncer con fármacos de quimioterapia tiende a tratar a los pacientes de forma similar con enfoques genéricos. Cuando estos tratamientos dejan de funcionar, como en el caso de los pacientes con recidiva o refractarios, a los médicos les quedan pocas alternativas de tratamiento. En la mayoría de los casos, no hay forma de predecir si los pacientes responderán o no al tratamiento. De forma similar, las empresas farmacéuticas se enfrentan con frecuencia a resultados poco alentadores en los ensayos clínicos por su limitada comprensión de los factores que determinan la respuesta de los pacientes. Para estratificar a los pacientes se emplean fenotipos clínicos o firmas genómicas, pero estos no predicen con seguridad las respuestas a los fármacos. Por lo tanto, se necesitan herramientas fiables de predicción de sensibilidad a los fármacos para ayudar a los médicos y a las empresas farmacéuticas a proporcionar fármacos más eficaces a los pacientes con cáncer. Asimismo, las células cancerosas son propensas a desarrollar resistencia a los fármacos, por lo que es necesario utilizar combinaciones de estos para obtener buenos resultados clínicos. No obstante, la identificación de combinaciones de fármacos sinérgicas y eficaces ha sido tradicionalmente un proceso largo y a menudo impredecible.
Herramientas informáticas para el tratamiento personalizado de cáncer
El proyecto DrugComb, Financiado por el Consejo Europeo de Investigación, ha desarrollado herramientas matemáticas e informáticas destinadas a identificar y priorizar combinaciones de fármacos eficaces para pacientes con cáncer. Además, realizó estudios de detección de combinaciones de fármacos en células cancerosas para su validación experimental. «Nuestro objetivo era comprender la sinergia potencial entre fármacos y traducir los conocimientos en sugerencias de tratamiento para pacientes con cáncer», explica Jing Tang, coordinador del proyecto.
Aplicación de herramientas de IA en la predicción y análisis de interacciones farmacológicas
Los investigadores emplearon técnicas de minería de texto basadas en IA para extraer datos experimentales de interacción fármaco-diana a partir de la literatura científica. A continuación, los datos de sensibilidad y diana de los fármacos se incorporaron al de datos DrugComb portal de datos DrugComb, que incluye herramientas para el análisis de combinaciones de fármacos. El proyecto también desarrolló una herramienta de código abierto denominada www.synergyfinder.org (SynergyFinder Plus) para investigar la sinergia de fármacos aprobados y en fase de ensayo clínico en muestras de cáncer extraídas de pacientes. Si una combinación de fármacos presentaba sinergia contra las células cancerosas pero no dañaba las células sanas, la combinación de fármacos se consideraba un candidato potencial. Además, los algoritmos basados en IA permitieron a los científicos descubrir los vínculos entre las sinergias de los fármacos y los genes impulsores del cáncer para mejorar la eficacia del tratamiento con menos efectos secundarios.
Valor añadido de la IA en la predicción de combinaciones de fármacos
La medicina personalizada, tal y como se practica hoy en día, no suele tener en cuenta las características personales de cada paciente. Además, la mayoría de las opciones de tratamiento se basan en un solo fármaco, cuya eficacia es limitada debido a la aparición de farmacorresistencias. «El método de análisis informático DrugComb presenta un potencial excepcional para identificar tratamientos novedosos, más eficaces y seguros en comparación con las monoterapias citotóxicas actuales», subraya Tang. DrugComb constituye uno de los pioneros en el desarrollo de herramientas informáticas para la predicción de combinaciones de fármacos. La principal novedad de la solución DrugComb radica en la combinación de la genómica con datos de sensibilidad a los fármacos para proporcionar perfiles más completos y dinámicos sobre la enfermedad en tiempo real. La plataforma se ha utilizado con éxito para predecir combinaciones sinérgicas en pacientes con leucemia prolinfocítica de células T y cáncer de mama. Desde la finalización del proyecto, varias empresas farmacéuticas han manifestado su interés por obtener licencias del portal DrugComb para el análisis de datos. El equipo está considerando versiones comerciales de las herramientas de software para empresas farmacéuticas. Tang prevé «una empresa centrada en el descubrimiento de fármacos asistido por IA, que utilice las bases de datos y las herramientas desarrolladas por DrugComb para aumentar la rentabilidad y mejorar la atención a los pacientes».
Palabras clave
DrugComb, cáncer, IA, sensibilidad a fármacos, farmacéutica, herramienta informática, genómica, respuesta a fármacos, medicina personalizada
