Un nuevo sistema de IA puede identificar combinaciones óptimas de
medicamentos y dosis en cuestión de días para ayudar a detener las pandemias
virales antes de que alcancen escalas globales.
CRÉDITO DE IMAGEN:
GETTY IMAGES
Desarrollar
una vacuna eficaz para la pandemia actual, así como las opciones de tratamiento
para pacientes con COVID-19, es más fácil decirlo que hacerlo. Los
procesos de descubrimiento y desarrollo de drogas no son de ninguna manera un
paseo por el parque, incluso después de que se identifique un posible plomo,
aún deben superarse innumerables obstáculos antes de que cualquier droga llegue
al público.
El
desarrollo tradicional de nuevos fármacos es un proceso costoso y se compone de
una fase de descubrimiento que incluye la detección y optimización de fármacos
basados en objetivos, entre otros procesos
para identificar candidatos para avanzar hacia un mayor desarrollo. El desarrollo posterior de fármacos implica el diseño de combinación de fármacos con estos candidatos y ensayos clínicos. Desafortunadamente,
las tasas de éxito son muy bajas ", dijo Dean Ho de la Universidad
Nacional de Singapur. Ho y su colaborador, el profesor Xianting Ding de la
Universidad Jiao Tong de Shanghai, recurrieron a la IA para resolver este
problema.
"Para
la propagación rápida de patógenos con cursos clínicos impredecibles [como el
brote actual de SARS-CoV-2], este proceso lleva demasiado tiempo, incluso con
la ayuda de tecnologías emergentes", agregó
Ho.
Incluso
volver a utilizar medicamentos conocidos para las terapias combinadas puede ser
bastante desafiante, ya que elegir la combinación correcta y la dosis impiden
la optimización de los resultados del tratamiento, dijo Ho. Esto también
limita la cantidad de medicamentos que pueden explorarse simultáneamente, ya
que los protocolos convencionales de detección de drogas no pueden hacer frente
a los grandes grupos de datos que se generan como resultado. "Ante
este desafío, el desarrollo tradicional de nuevos fármacos y la reutilización
tradicional son inherentemente subóptimos", agregó.
En un
artículo reciente publicado en Advanced Therapeutics ,
el equipo desarrolló una plataforma basada en IA llamada Project
IDentif. AI que se demostró que detecta e identifica rápidamente terapias
de combinación viables para las infecciones pasadas, presentes y futuras. "Usar
el rediseño tradicional para abordar el SARS o el MERS sería muy difícil debido
a los problemas antes mencionados", dijo Ding. "Sin
embargo, con una plataforma como IDentif.AI, la optimización de la terapia
combinada podría lograrse en cuestión de días. IDentif.AI es una
plataforma independiente de la enfermedad. Como tal, no tiene que ser
reprogramado, y puede desplegarse inmediatamente contra cualquier patógeno
nuevo o establecido ".
Según el
equipo, la importancia central de IDentif.AI es que simultáneamente concilia los medicamentos y las
dosis óptimas contra prácticamente cualquier modelo de enfermedad de los
espacios de parámetros de dosis / medicamentos extraordinariamente grandes
antes mencionados. "Cuando se administran buenos medicamentos en
la dosis incorrecta, puede que no haya eficacia del tratamiento en
absoluto", dijo Ho. “Al mismo tiempo, la dosificación de
medicamentos también puede tener un papel en la determinación de qué
medicamentos pertenecen en una combinación en primer lugar. Por lo tanto,
identificar simultáneamente los medicamentos y las dosis correctas es
absolutamente esencial ".
Para
realizar una búsqueda, se proporciona un pequeño conjunto de combinaciones de
medicamentos prediseñadas para proporcionar una muestra del espacio de
parámetros de dosis del medicamento.
“Imagina
llenar una habitación entera con canicas pequeñas, y cada canica representa una
posible combinación de dosis de drogas. Nuestro trabajo es encontrar una
lista clasificada de las mejores y peores canicas de una habitación llena de
miles de millones de ellas. Este conjunto de combinaciones prediseñado no
identifica todas y cada una de ellas, pero al menos muestra suficiente espacio para
guiarnos hacia dónde está la mejor y nos dice los medicamentos / dosis de esa
combinación óptima", explicó Ding.
"Después
de que se realiza este primer conjunto de experimentos y el espacio completo de
dosis del fármaco está esencialmente planeado para nosotros, IDentif.AI opera
con el concepto de que los fármacos y las dosis (insumos) están relacionados
con los resultados del tratamiento (por ejemplo, actividad antiviral, toxicidad
del fármaco) usando una superficie cuadrática lisa (que se asemeja a una
montaña lisa con un pico)", agregó
Ho. "Esta superficie está calibrada y mapeada por este conjunto de
experimentos iniciales únicos, como evitar que un virus infecte una célula sana
o reducir un tumor (maximizando la eficacia), o prevenir la muerte celular
saludable (minimizando la toxicidad), etc.)”.
Por lo
tanto, el mapa es exclusivo de cada estudio, utiliza diferentes medicamentos y
modelos de enfermedades, y puede representar una población de células,
animales, personas o incluso un solo paciente, dice Ding. “Para
desarrollar un régimen optimizado para la población, podemos tomar muestras
biológicas agrupadas de una población de pacientes. Esta muestra agrupada
se puede ejecutar contra un modelo estandarizado de infección celular y en
cuestión de días, se obtendrá una combinación. El mapa de superficie se
basará en la población celular viral / infectada representada por una gran
población de pacientes”.
“Para un
caso personalizado, si hay un paciente con una alta carga viral, podemos
ejecutar la prueba usando solo su propia muestra, y en unos días, podemos
desarrollar un régimen solo para ese paciente, y el mapa de superficie estará
representado por solo su propia muestra".
Y no todas
las combinaciones de medicamentos deben analizarse, ya que una vez que el
equipo realiza un número umbral de experimentos, el mapa se puede crear y
utilizar para guiar al equipo a través de las clasificaciones de las mejores a
las peores combinaciones basadas en una inhibición óptima de la infección y una
toxicidad mínima.
"Lo
realmente interesante de IDentif.AI es su capacidad para interrogar, como el
enorme espacio de dosis de medicamentos, que ya ha llevado directamente a
resultados clínicos exitosos y otras indicaciones", dijo Ho. Como prueba de concepto, el equipo pudo identificar una
terapia de combinación efectiva que inhibió con éxito la infección de células
pulmonares A549 por el virus de la estomatitis vesicular (VSV) dentro de los 3
días posteriores al proyecto. Esto, en comparación con los meses o incluso
años que requieren las búsquedas convencionales de descubrimiento de fármacos,
que todavía son capaces de explorar un pequeño espacio químico con malos
resultados clínicos, demuestra la importancia crítica de esta tecnología.
"La
realidad es que el mundo se enfrentará a desafíos como COVID-19
nuevamente", dijo Ho. “Simplemente no
tenemos el tiempo o los recursos para esperar vacunas o terapia de anticuerpos
cada vez.
Las lecciones aprendidas de COVID-19 nos han demostrado que no
podemos seguir renunciando a un tiempo valioso para identificar combinaciones
óptimas reutilizadas. Esto no resolverá el problema y conducirá a la
escasez de medicamentos cuando algunos de hecho podrían haberse utilizado
correctamente si se llevara a cabo un proceso de optimización sistemática
IDentif.AI
también se está adaptando para patógenos adicionales como la fiebre del dengue
e incluso la posibilidad de una mutación SARS-CoV-2. Si muta a una etapa
en la que se necesitará una nueva combinación, IDentif.AI estará preparado para
responder rápidamente", dijo Ho.
“Nuestro
objetivo es dar el Proyecto IDentif.AI al mundo para que la próxima epidemia
pueda ser contenida o prevenida mediante la reutilización de medicamentos
rápidamente optimizada. La implementación de IDentif.AI es notable, rápida
y económica. Como tal, nuestro trabajo ha involucrado a expertos en
economía de la salud, seguridad de la salud global y vigilancia para ayudarnos
a desarrollar estrategias para escalar esto hacia un uso generalizado en una
base de costo neutral".
Referencia:A.
Abdulla, et al.
Terapéutica
avanzada (2020). DOI: 10.1002 / adtp.202000034
Publicado el 16 de abril de 2020
Traducción libre de
SOCA
