“Ensayos clínicos virtuales” pueden predecir el éxito de medicamentos para insuficiencia cardíaca
Investigadores de Mayo Clinic han desarrollado una nueva forma de predecir si los medicamentos existentes podrían readaptarse para tratar la insuficiencia cardíaca, uno de los desafíos de salud más urgentes del mundo. Al combinar modelado computacional avanzado con datos de pacientes del mundo real, el equipo ha creado “ensayos clínicos virtuales” que pueden facilitar el descubrimiento de terapias efectivas al tiempo que reducen el tiempo, el coste y el riesgo de estudios fallidos.
“Hemos demostrado que, con nuestra estructura, podemos predecir el efecto clínico de un medicamento sin la necesidad de un ensayo clínico aleatorizado y controlado. Podemos afirmar con un alto grado de confianza si un medicamento tiene posibilidades de éxito, o no,” dice el Ph. D. Nansu Zong, experto en informática biomédica en Mayo Clinic y autor principal del estudio publicado en npj Digital Medicine.
Una necesidad urgente
La insuficiencia cardíaca afecta a más de 6 millones de estadounidenses y es la principal causa de hospitalización y muerte. A pesar de décadas de investigación, las opciones de tratamiento siguen siendo limitadas y muchos ensayos clínicos no tienen éxito. El desarrollo tradicional de medicamentos es costoso y requiere mucho tiempo, a menudo lleva más de una década y 1 000 millones de dólares para llevar una sola terapia al mercado.
El reposicionamiento de fármacos — el descubrimiento de nuevos usos para medicamentos ya aprobados para otras afecciones — puede ofrecer una vía más rápida y menos costosa. Dado que la seguridad de estos medicamentos ya está establecida, los investigadores pueden pasar directamente a estudiar sus posibles beneficios en nuevas enfermedades. Sin embargo, determinar qué medicamentos merece la pena investigar sigue siendo un gran desafío.
El Dr. Zong lideró los esfuerzos de un equipo multidisciplinario de expertos en bioquímica, farmacología molecular, medicina cardiovascular y ciencias cuantitativas de la salud para combinar dos herramientas poderosas: los modelos computacionales, que predicen cómo los medicamentos interactúan con los sistemas biológicos, y los historiales clínicos electrónicos (HCEs) de aproximadamente 60 mil pacientes con insuficiencia cardíaca.
Utilizando estas herramientas, los investigadores han desarrollado ensayos clínicos virtuales — también denominados emulaciones de ensayo — que imitan la estructura de un ensayo clínico aleatorizado. En lugar de reclutar participantes, utilizaron datos de pacientes ya existentes para crear grupos de comparación y medir los resultados, como los cambios en biomarcadores que acompañan la progresión de la insuficiencia cardíaca.
Para aumentar la precisión de estas predicciones, el equipo incorporó el modelado fármaco-diana, un método que utiliza inteligencia artificial para analizar estructuras químicas junto con datos biológicos, como secuencias de proteínas o genes. Esta inclusión ayudó a reducir la distancia entre los datos de pacientes del mundo real y los ensayos aleatorizados tradicionales.
El equipo probó este enfoque con 17 medicamentos que ya se habían estudiado en 226 ensayos clínicos de fase 3 para insuficiencia cardíaca. Siete habían demostrado beneficio, mientras que diez no. Los ensayos clínicos virtuales predijeron con precisión la “dirección” de estos resultados del mundo real.
“Este modelo tiene el potencial de orientar las líneas de desarrollo de medicamentos a gran escala,” dice el Dr. Zong. “En este momento, el modelo puede indicarnos la dirección de la eficacia — si un medicamento será beneficioso — pero aún no el nivel de ese efecto. Ese es nuestro siguiente paso.”
Investigaciones clínicas más rápidas e inteligentes
Al identificar qué medicamentos readaptados son más prometedores, los investigadores podrán priorizarlos para pruebas clínicas adicionales y concentrar los recursos donde la probabilidad de éxito es mayor. Esto puede significar un acceso más rápido a terapias para los pacientes y menores costes para los sistemas de salud.
Desarrollada originalmente como un marco basado en inteligencia artificial para ensayos clínicos virtuales, esta tecnología ha dado lugar a una iniciativa más amplia dentro de Mayo Clinic, bajo el liderazgo de Ph. D. Cui Tao, titular de la Cátedra Nancy Peretsman and Robert Scully en el Departamento de Inteligencia Artificial e Informática y vicepresidente de la Plataforma de Informática de Mayo Clinic. El nuevo esfuerzo está explorando tres enfoques complementarios:
- Emulación de ensayo — replicar el diseño y análisis de un ensayo hipotético o concluido utilizando datos del mundo real para validar descubrimientos o generar evidencias
- Simulación de ensayo — creación de un ensayo simulado con datos del mundo real para estimar cómo se ejecutaría un tratamiento existente en una población diferente o para una nueva indicación
- Ensayos sintéticos — construcción de un ensayo que reemplace o complemente uno o más brazos con datos de pacientes reales o modelados
“Los ensayos clínicos siempre serán esenciales,” dice la Dra. Tao. “Sin embargo, esta innovación demuestra cómo la inteligencia artificial puede hacer que la investigación sea más eficiente, asequible y ampliamente accesible. La integración de la emulación y simulación de ensayo, ensayos sintéticos y modelado del conocimiento biomédico abre la puerta a un nuevo paradigma en la ciencia traslacional.”
De cara al futuro, estas innovaciones pueden convertirse en una parte integrante de la estrategia institucional de Mayo Clinic. Podrán apoyar iniciativas estratégicas de Mayo, como Precure, promoviendo la predicción y prevención proactivas del riesgo, y Genesis, aportando información para una atención inteligente en trasplantes e intervenciones personalizadas.