Las nuevas tecnologías aceleran el desarrollo de fármacos

blogunleashed1680x942-1.jpg

Para identificar fármacos eficaces y evitar fracasos, los investigadores usan el aprendizaje automático y los últimos métodos en procesamiento de texto.

Por Lucy Christy Wilson

En 2001, cuando Jamie fue diagnosticada de leucemia mielógena crónica (LMC), un tipo de cáncer que comienza en la médula ósea, la enfermedad tenía pocos tratamientos efectivos. Catorce años después, gracias a los avances en el tratamiento del cáncer, ahora puede manejar la enfermedad y vivir una vida plena. El caso de Jamie se incluyó en PhRMA.org, en los casos denominados “No soy una media”, en los que se recogen cómo los avances en medicina están permitiendo a los pacientes vivir más, más sanos y más felices.

Todavía muchos pacientes y sus doctores esperan años antes de que los tratamientos estén disponibles. Algunos de ellos, con efectos secundarios inesperados, provocan que los científicos tengan que volver a investigar desde el principio, justo cuando creían que estaban a punto de sacar un nuevo fármaco.

De media, se tarda al menos 10 años desde que se descubre un nuevo fármaco hasta que se comercializa, esto tiene un coste medio de 2.600 millones de dólares, según se extrae de un nuevo estudio llevado a cabo por Journal of Health Economics, basándose en datos del Tufts Center para el Estudio del desarrollo de fármacos.

Intentos de desarrollo de nuevas terapias, 1998-2014

  Número de intentos sin éxito Número de intentos con éxito
Alzheimer 123 4
Melanoma 96 7
Cáncer de pulmón 167 10

Fuente: PhRMA: Prescription Medicine: Costs in Context

Pero lo que los investigadores están aprendiendo es que, usando ciertas tecnologías en el inicio del desarrollo del fármaco, es posible identificar antes problemas que pueden provocar el fracaso del mismo, en algunos casos incluso con anterioridad a que se pruebe en fase clínica. De esta forma, puede modificarse el compuesto para solucionar estos desajustes, a la vez que se mantienen los efectos terapéuticos, o bien tomar la decisión de no continuar con el desarrollo del fármaco, evitando así un fallo posterior que implique mayor coste.

“Entrenar a una máquina para ver más de lo que podemos ver”

El aprendizaje automático, es decir, el uso de tecnología informática y herramientas analíticas para entrenar a una “máquina”, para ver más de lo que podemos ver, es una forma de usar la tecnología para modernizar el proceso de encontrar y desarrollar nuevos fármacos. Por ejemplo, la startup de Silicon Valley twoXAR, usó el sistema de aprendizaje automático para identificar fármacos prometedores para tratar el Parkinson. En una entrevista de Datanami, el fundador de twoXAR Andrew A. Radin afirmó, “subimos una gran cantidad de información sobre la enfermedad de Parkinson al sistema, pulsamos el botón de ‘aceptar’, y unos minutos después teníamos una lista de medicamentos clasificados como altamente eficaces”.

Cuando Radin ahondó más en la búsqueda, uno de los tratamientos más eficaces fue el que identificó el Dr. Tim Collier, Director del Udall Center of Excellence for Parkinson’s Disease Research de la Universidad de Michigan, y autor de varios artículos en revistas de neurología editadas por Elsevier. El sistema en apenas unos minutos, ayudó a validar el trabajo que Collier había puesto en marcha en el laboratorio durante años.

Procesamiento de bases de datos

Profesional
Pie de foto: Jaqui Hodgkinson muestra una demo del modelo fisiopatológico de la enfermedad, en Pathway Studio de Elsevier, durante el 2016 Bio-IT World Conference & Expo en Boston.

“Las empresas farmacéuticas trabajan duro para manejar todas las bases de datos que reciben”, comenta Jaqui Hodgkinson, VP of Product Development Biology and Preclinical Products en Elsevier, y antigua investigadora clínica en Glaxo Wellcome. “Manejar y entender esos datos, es primordial para desarrollar nuevos medicamentos, para conseguir que estén pronto en el mercado. Esta es la razón por la cual mejoramos continuamente nuestros sistemas de procesamiento de datos, para poder manejar información procedente de diversas fuentes”.

Para descubrir y desarrollar un nuevo fármaco, los investigadores necesitan saber, como mínimo, qué se ha publicado sobre dicho compuesto previamente en revistas biomédicas por parte de otros compañeros. Pero para obtener la información más relevante, (ahorrar tiempo, dinero y experimentación innecesaria), se hace imprescindible el uso de un sistema que pueda procesar y analizar los datos recibidos, como información regulatoria, informes de efectos adversos de fármacos relacionados con éste, e incluso comentarios en redes sociales.

El análisis y procesamiento de datos profundo es también clave para encontrar nuevas indicaciones para medicamentos ya existentes. Es una importante estrategia de negocio para la industria farmacéutica, ya que no solo les ayuda a incrementar el retorno de su inversión en I+D, sino que también refuerza su credibilidad y su compromiso en áreas no cubiertas en medicina, ayudando así a los pacientes.

Elsevier trabaja con la organización sin ánimo de lucro británica Findacure, con el fin de ayudar a investigadores a identificar fármacos aprobados para otras patologías para que sean indicados en el tratamiento de enfermedades raras. Como parte de la colaboración que comenzó en septiembre de 2015, Elsevier proporciona su experiencia en tecnología y asesoramiento, así como acceso a toda la literatura publicada, sobre el medicamento sirolimus, el cual ha conseguido ser indicado para el tratamiento del hiperinsulinismo congénito (HIC).

También ayudamos, en una fase posterior, cuando el sirolimus está listo para probarse, con herramientas como Pathway Studio, que permiten el estudio y la visualización de los mecanismos de la enfermedad, la expresión genética y los datos proteómicos y metabolómicos, para conseguir así evaluar en profundidad el proceso biológico del HIC, y poder valorar acto seguido potenciales tratamientos seguros y eficaces.

Usando la misma tecnología, se usó un abordaje similar para ayudar a la industria a identificar nuevas indicaciones para, entre otros, el anti- TNF adalimumab (Humira) y el fármaco para el tratamiento del cáncer imatinif (Gleevec).

Empowering Knowledge

Elsevier está celebrando lo ignorado, lo invisible y lo aún desconocido. Estamos orgullosos de colaborar e innovar cada día, como hacemos con el aprendizaje automático aplicado a la investigación. Si quieres leer más historias sobre las personas y los proyectos que han mejorado gracias al conocimiento, te invitamos a visitar nuestra web Empowering Knowledge.

Mirando hacia adelante

Continuamos expandiendo nuestras herramientas para mejorar su precisión y ayudar a nuestros socios y colaboradores, académicos y asociaciones como Findacure. Ejemplo de ello, son procesos como el análisis del sentimiento en redes sociales, es decir, identificar palabras y frases que indican opiniones, actitudes y falta de seguridad (por ejemplo, “sugiere”, “parece indicar”) sobre literatura médica,estos son muy importantes y necesarios. Aunque aún es pronto, con retos como la necesidad de recursos lingüísticos, la ambigüedad de las palabras y su intención (por ejemplo, ironía o sarcasmo), el Dr. Hodgkinson afirma que el sentimiento tendrá cada vez más importancia en el análisis de datos en un futuro cercano.

También estamos colaborando con el sector público y privado, con el fin de ayudar a todo el mundo a tener mejor acceso a la información, permitiendo así realizar nuevos descubrimientos en términos de fármacos de forma más rápida, fácil y menos costosa y decepcionante para aquellos pacientes y doctores que están esperando tratamientos más eficaces. Por ejemplo, Elsevier lanzó recientemente el proyecto piloto Open Data, que permite a todos los usuarios acceder a la información online “en bruto” de una investigación de un artículo concreto. También hemos ayudado a los autores a difundir sus publicaciones en relevantes repositorios de información con un link directo a su artículo publicado. Esto ayuda a los investigadores que trabajan en proyectos similares a acceder a información de vital importancia de otros grupos que están desarrollando otro trabajo potencialmente válido.

Es un proyecto conjunto con la National Science Foundation, Elsevier también está trabajando en un piloto de búsqueda de datos con el Carnege Mellon School of Computer Science, que facilita la consulta del contenido tabulado extraído de artículos e importado de bases de datos de investigaciones.

Anticipamos que la importancia de las colaboraciones crecerá, sobre todo ahora que está arraigándose la medicina de precisión, enfocada en tratamientos específicos para pacientes que realmente puedan beneficiarse de los mismos. En EEUU el Precision Medicine Initiative Cohort Program, llevado a cabo por National Institutes of Health’s, está “trabajando en involucrar colaboradores de todas las comunidades (científica, médica, sanitaria y la propia sociedad), tanto de sector privado como público”, invitando a la participación de “organizaciones de pacientes y de apoyo a pacientes, centros de educación médica, médicos, científicos de múltiples disciplinas, compañías farmacéuticas, desarrolladores de productos y dispositivos médicos, sociedades científicas y coaliciones investigadoras, expertos privados y pensadores y expertos en medicina”.

Nuestra tecnología facilita la colaboración entre sectores y organizaciones para ayudar a sacar adelante medicinas específicas y enfocadas a determinadas patologías. Sabemos que todos estos avances son un buen presagio para pacientes como Jamie, que confían en que sus vidas sean mejores, a medida que los investigadores usan las más potentes herramientas a la hora de buscar ayuda en el proceso de investigación de nuevos tratamientos.

Colaboradora de Elsevier

Christy WilsonChristy Wilson tiene más de 20 años de experiencia en ciencias de la salud y en la industria, gracias a su trabajo como Senior Director, Pharma and Biotech Segment en Elsevier R&D Solutions. En este sentido, se centra en estudiar los retos de I+D en la industria biofarmacéutica, así como en encontrar oportunidades que mejoren la productividad y el éxito de los directivos de la industria y sus equipos. Antes de unirse a Elsevier, Christy trabajó como senior marketing and business development en Wolters Kluwer’s Pharma Solutions Business Unit. Allí era la responsable de la Gestión del producto y del marketing de Adis, un porfolio de medicamentos, centrándose en revistas y newsletters, herramientas para llevar a cabo ensayos clínicos y desarrollo de nuevos productos, y de soluciones de farmacovigilancia. También trabajó en el grupo de análisis de negocio del sector salud, el cual proporcionaba información, aplicaciones, analíticas y consultoría para ayudar a las compañías a conocer en profundidad el mercado farmacéutico. Christy tiene un MBA en Negocio Internacional de la DePaul University de Chicago, y es licenciada en Marketing por la Universidad de Miami, en Ohio. Actualmente vive en Nueva Jersey.

Share
Tweet
Share
Share