Redacción. Madrid
En una medida destinada a reforzar los sistemas actuales de evaluación y vigilancia de la seguridad de los fármacos, los investigadores del Hospital Infantil de Boston han creado un nuevo método que combina múltiples formas de datos disponibles para predecir las reacciones adversas a medicamentos.

Aurel Cami.

A diferencia de los enfoques actuales, que se basan en la detección de indicios de problemas de seguridad de los medicamentos a medida que se acumulan con el tiempo en bases de datos clínicas, este nuevo método puede ser capaz de identificar los problemas con años de anticipación.

Este estudio, dirigido por Aurel Cami, del Programa Informático para la Infancia del Hospital de Boston (CHIP), ha sido publicado en ‘Science Translational Medicine’.

La seguridad de los medicamentos en el mercado es actualmente evaluada a través de una combinación de los informes de casos de reacciones adversas a medicamentos (RAM). Aunque por lo general este enfoque es efectivo, estos métodos pueden no ser capaces identificar ciertos tipos de RAM hasta que los pacientes han estado tomando el tratamiento algún tiempo.

Debido a estas limitaciones, pueden pasar años antes de que los médicos y los reguladores acumulen datos suficientes para reconocer los problemas graves de seguridad con un medicamento en particular y tomar las medidas adecuadas.

Para ayudar a resolver estos retrasos y los riesgos para la salud pública asociados con ellos, Cami y su equipo se propusieron crear un modelo matemático para predecir la relación entre un fármaco y las RAM que probablemente podrían aparecer pocos años después de la entrada de un medicamento en el mercado.

“Potencialmente podemos identificar un peligroso efecto secundario de un medicamento desde el principio, en lugar de tener que esperar a que muchos pacientes se vean afectados por ella”, explica.

Enfoque de red

"Dado el gran número de entidades y relaciones complejas que existen en el ámbito farmacológico, consideramos que un enfoque basado en la red sería un camino prometedor para tratar de predecir los eventos adversos imprevistos, pero probables”, agrega Cami. “Para que el enfoque sea validado, sabíamos que teníamos que utilizar datos históricos y actuales de RAM”.

Para probar la red, los expertos integraron información a partir de una base de datos de seguridad de medicamentos disponibles en el mercado, que contenía información sobre la química de los medicamentos, y sobre lo fármacos y la taxonomía de las RAM. Así, tomaron una instantánea de 809 fármacos y 852 tipos de efectos adversos asociados con medicamentos en 2005. Utilizando el modelo de red, generaron una lista de RAM previstas, que compararon a posterior con una segunda instantánea de la misma base, pero de 2010.

Los investigadores hallaron que el modelo de red era muy eficaz en la predicción de RAM, ya que predijo relaciones que no estaban presentes en la instantánea de 2005, pero sí en la de 2010. Por ejemplo, basándose únicamente en los datos disponibles en 2005, el modelo identificó correctamente el 42 por ciento de las relaciones entre medicamentos y RAM que fueron descubiertas posteriormente (entre 2006 y 2010), mientras que reconoció correctamente como falso el 95 por ciento de los pares RAM-fármaco que en el 2010 se identificaron como de “ninguna asociación”.