Revolucionando el Desarrollo de Fármacos con Aprendizaje Automático para Predecir las Posibilidades de Aprobación de un Fármaco Antes de los Ensayos Clínicos

En un desarrollo revolucionario que podría transformar el panorama del descubrimiento y desarrollo de fármacos, los investigadores de la Universidad de Ciencia y Tecnología de Pohang (POSTECH) han aprovechado el poder del aprendizaje automático para predecir las posibilidades de aprobación de un fármaco antes incluso de que comiencen los ensayos clínicos. Sus hallazgos, publicados recientemente en la prestigiosa revista EBioMedicine, ofrecen una solución prometedora a uno de los desafíos más apremiantes de la industria farmacéutica: la alta tasa de candidatos a fármacos que fracasan durante los ensayos clínicos a pesar de mostrar promesa en las pruebas preclínicas.

La importancia del desarrollo de fármacos

La búsqueda de nuevos fármacos no es meramente un esfuerzo científico, sino una misión vital que afecta la salud y el bienestar de la humanidad en general. El desarrollo de fármacos innovadores es fundamental para avanzar en los tratamientos médicos, prevenir enfermedades y, en última instancia, mejorar la calidad de vida de las personas en todo el mundo. Sin embargo, el arduo viaje desde el descubrimiento en el laboratorio hasta la disponibilidad en el mercado está lleno de obstáculos e incertidumbres.

Los costosos contratiempos en los ensayos clínicos

Uno de los obstáculos más significativos en el desarrollo de fármacos son las abrumadoras pérdidas económicas incurridas cuando un candidato a fármaco falla durante los ensayos clínicos. Estos ensayos involucran diversos grupos de población y están diseñados para evaluar la seguridad y la eficacia de un fármaco en escenarios del mundo real. Incluso cuando un fármaco ha mostrado una promesa excepcional en las etapas preclínicas, la transición a los ensayos clínicos puede revelar desafíos inesperados, lo que lleva a contratiempos que cuestan a las empresas farmacéuticas miles de millones de dólares.

Para abordar este problema crítico, es imperativo comprender por qué ciertos fármacos, a pesar de superar rigurosas pruebas preclínicas, fallan durante los ensayos clínicos. Además, existe una necesidad urgente de desarrollar métodos que puedan predecir las posibilidades de aprobación de un fármaco antes de emprender estos costosos y largos ensayos.

Aprendizaje automático

Aquí entran el profesor Sanguk Kim y el candidato a doctorado Minhyuk Park, que dirigen un equipo de investigación en el Departamento de Ciencias de la Vida de POSTECH. Aprovechando el poder del aprendizaje automático, han logrado un éxito notable en la predicción de los posibles resultados y efectos secundarios de los fármacos antes de que comiencen los ensayos clínicos.

La esencia de su investigación revolucionaria radica en abordar una discrepancia fundamental en los efectos de los fármacos observada entre las líneas celulares y los animales, comúnmente utilizados en las pruebas preclínicas, y su impacto final en los humanos. Esta discrepancia surge de las variaciones en cómo funcionan y se expresan los genes diana de los fármacos en las células en comparación con los humanos. Ignorar esta diferencia crítica puede llevar a efectos secundarios graves e inesperados cuando se administran fármacos a pacientes reales, desviándose significativamente de los resultados prometedores observados en entornos de laboratorio.

Cerrar la brecha

Los investigadores de POSTECH abordaron este desafío de frente centrándose en las disparidades en los efectos de los fármacos entre las células y los humanos. Su enfoque implicó un análisis exhaustivo de los efectos de la perturbación génica basados en la eliminación CRISPR-Cas9 y la tasa de mutaciones de pérdida de función en células y humanos, respectivamente. Al evaluar esta discrepancia, su objetivo era predecir la probabilidad de aprobación de un fármaco, basándose en un conjunto de datos que incluía 1404 fármacos aprobados y 1070 no aprobados.

Aprendiendo de los fracasos pasados

Para validar aún más el riesgo asociado con las dianas de fármacos que presentaban la discrepancia células/humanos, los investigadores se adentraron en las dianas de fármacos que habían fallado previamente en ensayos clínicos o habían sido retirados del mercado por preocupaciones de seguridad. Este análisis meticuloso proporcionó información crucial sobre los factores que contribuyen a los fracasos de los fármacos y permitió al equipo de investigación refinar sus modelos predictivos.

Integración de estrategias químicas y genéticas

Lo que distingue esta investigación de los enfoques convencionales es su integración de estrategias tanto químicas como genéticas. Mientras que los métodos tradicionales se basan principalmente en las propiedades químicas de un fármaco para predecir su éxito, el equipo de POSTECH reconoció la importancia de las diferencias genéticas entre los modelos preclínicos y los humanos. Al armonizar estas dos facetas, lograron un nivel de precisión anteriormente inalcanzable en las predicciones de seguridad y éxito de los fármacos.

Un futuro brillante para el desarrollo de fármacos

Las implicaciones de esta investigación no son menos que revolucionarias. La capacidad del aprendizaje automático para predecir las posibilidades de aprobación de un fármaco con un alto grado de precisión tiene el potencial de remodelar la industria farmacéutica. Al proporcionar a las empresas farmacéuticas una herramienta para tomar decisiones más informadas sobre qué candidatos a fármacos avanzar a los ensayos clínicos, esta tecnología tiene el potencial de reducir el riesgo de fracasos costosos y acelerar el desarrollo de fármacos seguros y efectivos.

Consideraciones éticas y regulatorias

Como ocurre con cualquier tecnología transformadora, el uso del aprendizaje automático en el desarrollo de fármacos plantea importantes consideraciones éticas. Garantizar la privacidad y la seguridad de los datos de los pacientes utilizados en estos modelos predictivos es primordial. Además, las agencias reguladoras necesitarán adaptarse para acomodar el uso de estos enfoques innovadores en el proceso de aprobación de fármacos, buscando un equilibrio entre innovación y seguridad.

El trabajo realizado por el profesor Sanguk Kim, Minhyuk Park y su equipo en POSTECH representa un paso significativo hacia adelante en el desarrollo de fármacos. Su integración del aprendizaje automático, las perspectivas genéticas y las propiedades químicas promete revolucionar la forma en que se descubren y desarrollan los fármacos, beneficiando no solo a la industria, sino también a la salud y el bienestar de las personas en todo el mundo. El viaje desde el descubrimiento en el laboratorio hasta la aprobación clínica pronto podría convertirse en un camino más eficiente y predecible, dando paso a una nueva era de innovación médica.