medical equipment medicine lab hospital

Las empresas farmacéuticas invierten años y miles de millones de dólares en desarrollar nuevos fármacos. Si bien la mayoría de los medicamentos nunca salen del laboratorio, unos pocos llegan a los ensayos clínicos, una prueba del mundo real en pacientes humanos. Y, sin embargo, a pesar de ese arduo trabajo y tantas probabilidades, muchos ensayos clínicos deben abandonarse o devolverse a la mesa de dibujo porque no logran inscribir a suficientes pacientes en el estudio.

James Zou

«Un ensayo clínico fallido o retrasado es costoso en muchos frentes», dice James Zou , profesor de ciencia de datos biomédicos en Stanford y miembro del Institute for Human-Centered Artificial Intelligence , que codirigió una colaboración entre Stanford e investigadores de Genentech que se propuso ver si la IA podía solucionar el problema.

Las demoras en los ensayos pueden agregar cientos de millones de dólares al precio de un nuevo medicamento y también ser una profunda decepción emocional para los investigadores que trabajan en él. Pero quizás lo más importante, señala Zou, es que los retrasos significan que muchos pacientes necesitados no pueden acceder a medicamentos nuevos que pueden alterar la vida. Stanford, AI amplía el alcance de los ensayos clínicos  Stanford, AI amplía el alcance de los ensayos clínicos

El equipo se centró en una forma mortal de cáncer, conocida como cáncer de pulmón de células no pequeñas avanzado: aNSCLC. Ocho de cada 10 pacientes de aNSCLC no calificaron para los ensayos de medicamentos y casi el 90 por ciento de los ensayos clínicos no completaron la inscripción objetivo en las fechas límite preestablecidas, según el estudio.

Su resultado, publicado recientemente en la revista Nature, es «Trial Pathfinder», un algoritmo de IA que ayuda a diseñar reglas de elegibilidad adecuadas para los ensayos clínicos . Trial Pathfinder combina los registros médicos electrónicos y examina los detalles que permiten que algunos pacientes sean elegibles para un ensayo y que otros pacientes sean excluidos. Trial Pathfinder no solo duplicó el número de posibles participantes en el ensayo, sino que también amplió el grupo para incluir a más mujeres, minorías y pacientes mayores.

Exclusivo por diseño

Un paso clave en el diseño de cualquier ensayo clínico es establecer los criterios médicos para la elegibilidad del paciente. El simple hecho de tener un NSCLC no es suficiente. El grupo general de pacientes se selecciona utilizando datos de pruebas de laboratorio: niveles de indicadores biológicos como bilirrubina, recuentos de plaquetas, niveles de hemoglobina, presión arterial, tratamientos previos y muchos otros contenidos en los registros médicos.

Si los pacientes no alcanzan los umbrales establecidos en el diseño del estudio, no califican para el ensayo.

Ruishan Liu

“Es un cuello de botella importante para el tratamiento. Los ensayos clínicos suelen ser bastante restrictivos en los criterios. Pensamos demasiado en muchos casos ”, dice Ruishan Liu , candidato a doctorado y experto en salud computacional en el laboratorio de Zou que ayudó a desarrollar el algoritmo.

En teoría, se cree que los criterios restrictivos protegen a los pacientes vulnerables de los posibles efectos secundarios de los medicamentos no probados. Curiosamente, los investigadores encontraron que si un ensayo utilizó restricciones relativamente agresivas o débiles, las tasas de retiro de pacientes de los ensayos debido a efectos secundarios adversos fueron prácticamente las mismas. Es decir, las restricciones tuvieron poco efecto en la prevención de los eventos adversos para los que están diseñadas.

Además, al examinar los registros de 22 ensayos de fármacos oncológicos anteriores, que incluían a más de 11.500 pacientes, Trial Pathfinder descubrió que los criterios utilizados para excluir a los pacientes eran inconsistentes de un ensayo a otro, y tal vez incluso se establecieron arbitrariamente.

“Esto fue cierto incluso para cánceres idénticos y etapas de prueba”, agrega Zou. «A veces, los criterios simplemente se copiaron y pegaron de estudios anteriores».

“Estos factores nos llevaron a creer que los criterios se podrían relajar para que más pacientes fueran elegibles para un ensayo sin aumentar el riesgo de efectos secundarios dañinos”, señala Liu.

Luego, los investigadores de Trial Pathfinder propusieron criterios de prueba más inclusivos al examinar los registros médicos electrónicos a nivel nacional de 61,094 pacientes con aNSCLC. Descubrieron que varios criterios de exclusión de uso común tenían un «efecto mínimo» sobre el riesgo del paciente y que flexibilizar las restricciones podría duplicar el número de pacientes que califican para un ensayo sin introducir un riesgo adicional para los pacientes.

Una herramienta poderosa

Con sus resultados ahora publicados, Zou, Liu y sus colaboradores de la industria creen que el alcance de Trial Pathfinder se puede expandir a muchos otros tipos de cáncer e incluso a otras enfermedades, lo que ayuda a abrir las puertas de los pacientes a los ensayos clínicos. Zou señaló específicamente al lupus, pero las posibilidades están prácticamente abiertas.

«Estamos muy entusiasmados con el potencial», dice Zou. «Hay poder en los registros de salud electrónicos, y los mecanismos básicos de IA de Trial Pathfinder deberían ser aplicables en muchas enfermedades diferentes para que los ensayos clínicos sean más inclusivos».

La misión de Stanford HAI es promover la investigación, la educación, las políticas y la práctica de la IA para mejorar la condición humana. Obtenga más información .