Existen más de 7.000 enfermedades raras y desconocidas en todo el mundo.
Aunque cada afección se presenta en un pequeño número de personas, en conjunto estas enfermedades causan un costo humano y económico asombroso, ya que afectan a aproximadamente 300 millones de personas en todo el mundo.
Sin embargo, sólo entre el 5 y el 7 por ciento de estas afecciones cuentan con un medicamento aprobado por la FDA, lo que las deja en gran medida sin tratar o sin tratar.
El desarrollo de nuevos medicamentos representa un desafío enorme, pero una nueva herramienta de inteligencia artificial podría avanzar en el descubrimiento de nuevas terapias a partir de medicamentos existentes, ofreciendo esperanza a los pacientes con enfermedades raras y desatendidas y a los médicos que los tratan.
El modelo de IA, conocido como TxGNN, está diseñado específicamente para identificar candidatos a fármacos para enfermedades y afecciones raras sin ningún tratamiento.
Ha identificado candidatos a fármacos a partir de fármacos existentes para más de 17.000 enfermedades, muchas de las cuales no tienen tratamientos existentes. Esto representa la mayor cantidad de enfermedades que cualquier modelo de IA puede manejar hasta ahora. Los investigadores señalan que el modelo se puede aplicar a más de 17.000 enfermedades en pruebas preliminares.
Trabajo, descrito el 25 de septiembre. medicina de la naturalezaDirigido por científicos de la Facultad de Medicina de Harvard. Los investigadores han puesto la herramienta a disposición de forma gratuita y quieren alentar a los médicos científicos a utilizarla en su búsqueda de nuevas terapias, especialmente para afecciones sin opciones de tratamiento o con opciones limitadas.
“Con esta herramienta pretendemos identificar nuevas terapias en todo el espectro de enfermedades, pero cuando se trata de afecciones raras, ultrararas y desatendidas, esperamos que este modelo pueda ayudar a cerrar o al menos reducir una brecha que crea graves disparidades en la salud”, dijo el líder. investigadora Marinka Zitnik, profesora asistente de informática biomédica en el Instituto Blavatnik del HMS.
“Aquí es donde vemos la promesa de la IA a la hora de reducir la carga mundial de enfermedades y encontrar nuevos usos para los medicamentos existentes, lo cual es una forma más rápida y rentable de desarrollar terapias que desarrollar nuevos medicamentos”, añadió Jitnick. , miembro adjunto de la facultad del Instituto Kempner para el Estudio de la Inteligencia Natural y Artificial de la Universidad de Harvard.
La nueva herramienta tiene dos características centrales: una que identifica candidatos a tratamiento con posibles efectos secundarios y otra que explica el fundamento de la decisión.
En total, la herramienta identificó candidatos a fármacos entre casi 8.000 fármacos (tanto aprobados por la FDA como fármacos experimentales que se encuentran actualmente en ensayos clínicos) para 17.080 enfermedades, incluidas afecciones para las que no hay tratamiento disponible. También predice qué medicamentos tendrán efectos secundarios y contraindicaciones para condiciones específicas, algo que los métodos actuales de descubrimiento de fármacos identifican principalmente mediante prueba y error durante los primeros ensayos clínicos que se centran en la seguridad.
En comparación con los principales modelos de IA para la reutilización de fármacos, la nueva herramienta fue, en promedio, un 50 por ciento mejor a la hora de identificar candidatos a fármacos. Fue un 35 por ciento más preciso a la hora de predecir qué fármacos tendrían contraindicaciones.
Beneficios de usar medicamentos ya aprobados
Reutilizar medicamentos existentes es una forma atractiva de desarrollar nuevos tratamientos porque se basa en medicamentos que han sido estudiados, tienen perfiles de seguridad bien comprendidos y han pasado por el proceso de aprobación regulatoria.
La mayoría de los medicamentos tienen múltiples efectos más allá de los objetivos específicos para los que fueron desarrollados y aprobados originalmente. Pero muchos de estos efectos no se descubren ni se detectan durante las primeras pruebas, ensayos clínicos y revisiones, y surgen sólo después de años de uso por parte de millones de personas. De hecho, alrededor del 30 por ciento de los medicamentos aprobados por la FDA han adquirido al menos una indicación terapéutica adicional después de la aprobación inicial, y muchos han adquirido indicaciones terapéuticas adicionales a lo largo de varios años.
Este método de reutilización de medicamentos es, en el mejor de los casos, azaroso. Esto depende de los informes de los pacientes sobre efectos secundarios beneficiosos inesperados o de la intuición de los médicos de que el medicamento debe usarse en una condición para la que no fue diseñado, una práctica conocida como uso no indicado en la etiqueta.
“Tendemos a depender de la suerte y el azar en lugar de la estrategia, lo que limita el descubrimiento de fármacos a enfermedades para las que ya existen fármacos”, afirmó Zitnick.
Los beneficios de la reutilización de medicamentos van más allá del tratamiento de enfermedades, señaló Zitnik.
“Incluso para enfermedades más comunes con tratamientos aprobados, los nuevos medicamentos pueden ofrecer alternativas con menos efectos secundarios o reemplazar medicamentos ineficaces para ciertos pacientes”, dijo.
¿Qué hace que las nuevas herramientas de IA sean mejores que los modelos existentes?
La mayoría de los modelos de IA actuales utilizados para el descubrimiento de fármacos se entrenan en una sola enfermedad o en algunas afecciones. En lugar de centrarse en enfermedades específicas, la nueva herramienta se entrenó de manera que le permitiera utilizar datos existentes para hacer nuevas predicciones. Identifica características compartidas entre múltiples enfermedades, como aberraciones genómicas compartidas.
Por ejemplo, el modelo de IA identifica procesos patológicos compartidos basándose en fundamentos genómicos comunes, lo que le permite extrapolar desde una enfermedad bien comprendida con tratamiento conocido a una enfermedad poco comprendida y sin tratamiento.
Esta capacidad acerca la herramienta de IA al tipo de razonamiento que un médico humano podría usar para generar ideas novedosas si tuviera acceso a todos los conocimientos preexistentes de los modelos de IA y a los datos sin procesar a los que el cerebro humano podría acceder o almacenar. , el equipo de investigación dijo que no.
La herramienta se entrenó con grandes cantidades de datos, incluida información del ADN, señalización celular, niveles de actividad genética, notas clínicas y más. Los investigadores probaron y refinaron el modelo pidiéndole que realizara diversas tareas. Finalmente, el rendimiento de la herramienta se validó en 1,2 millones de registros de pacientes y se le pidió que identificara candidatos a fármacos para diversas enfermedades.
Los investigadores han utilizado esta herramienta para predecir qué características de los pacientes harán que los candidatos a fármacos estén contraindicados para poblaciones de pacientes específicas.
Otra tarea implicó pedirle a la herramienta que identificara pequeñas moléculas existentes que podrían bloquear eficazmente la actividad de ciertas proteínas involucradas en vías y procesos que causan enfermedades.
En un experimento diseñado para medir la capacidad del modelo para razonar como médico humano, los investigadores le pidieron que encontrara medicamentos para tres enfermedades raras que no había visto como parte de su entrenamiento: un trastorno del desarrollo neurológico, una enfermedad del tejido conectivo y Una condición genética rara que causa un desequilibrio hídrico.
Luego, los investigadores compararon las recomendaciones del modelo para la terapia farmacológica con el conocimiento médico actual sobre cómo funcionan los fármacos propuestos. En cada caso, las recomendaciones de herramientas se alinean con el conocimiento médico actual.
Además, el modelo no sólo identificó medicamentos para las tres enfermedades sino que también proporcionó la justificación de sus decisiones. Esta característica explicativa permite la transparencia y puede aumentar la confianza del médico.
Los investigadores advierten que la dosis y el momento de administración de cualquier terapia identificada por el modelo requerirán una evaluación adicional. Pero, añadieron, con esta capacidad sin precedentes, el nuevo modelo de IA acelerará la recuperación de fármacos de una manera que no es posible hasta ahora. El equipo ya está colaborando con varias fundaciones de enfermedades raras para ayudar a identificar tratamientos potenciales.