Investigadores de la Universidad de Columbia han desarrollado AwareDX - Análisis de mujeres en riesgo de experimentar toxicidad farmacológica - un algoritmo de aprendizaje automático que identifica y predice diferencias en los efectos adversos de los medicamentos entre hombres y mujeres mediante el análisis de informes de 50 años en una base de datos de la FDA.. El algoritmo, descrito el 22 de septiembre en la revista patrones , corrige automáticamente los sesgos en estos datos que se derivan de una sobrerrepresentación de sujetos masculinos en los ensayos de investigación clínica.
Aunque los hombres y las mujeres pueden tener diferentes respuestas a los medicamentos, la ayuda para dormir Ambien, por ejemplo, se metaboliza más lentamente en las mujeres, lo que causa aturdimiento al día siguiente, incluso los médicos pueden no conocer estas diferencias porque la mayoría de los datos de los ensayos clínicos sonsesgado hacia los hombres. Esto afecta a las pautas de prescripción, la comercialización de medicamentos y, en última instancia, la salud de los pacientes
"La industria farmacéutica tiene un historial de ignorar problemas complejos. Tradicionalmente, los ensayos clínicos ni siquiera han incluido a las mujeres en sus estudios. La forma antigua solía ser reunir a un grupo de hombres sanos para administrarles el medicamento, asegúrese deno los mató, y usted está listo para las carreras. Como resultado, tenemos mucha menos información sobre cómo las mujeres responden a las drogas que los hombres ", dice Nicholas Tatonetti @nicktatonetti, profesor asociado de informática biomédica enUniversidad de Columbia y coautor del artículo. "No hemos tenido la capacidad de evaluar estas diferencias antes, ni siquiera de cuantificarlas".
Tatonetti se asoció con uno de sus estudiantes: Payal Chandak, un estudiante senior de informática biomédica en la Universidad de Columbia y el otro coautor del artículo. Juntos desarrollaron AwareDX. Debido a que es un algoritmo de aprendizaje automático, AwareDX puede ajustar automáticamentepara los sesgos basados en el sexo de una manera que requeriría un esfuerzo concertado para hacerlo manualmente.
"El aprendizaje automático es definitivamente una palabra de moda, pero esencialmente la idea es corregir estos sesgos antes de realizar cualquier otro análisis estadístico mediante la construcción de un subconjunto equilibrado de pacientes con partes iguales de hombres y mujeres para cada fármaco", dice Chandak.
El algoritmo utiliza datos del Sistema de Notificación de Eventos Adversos de la FDA FAERS, que contiene informes de efectos adversos de medicamentos de consumidores, proveedores de atención médica y fabricantes desde 1968. AwareDX agrupa los datos en subconjuntos equilibrados por sexos antes de buscarpara patrones y tendencias. Para mejorar los resultados, el algoritmo repite el proceso completo 25 veces.
Los investigadores recopilaron los resultados en un banco de más de 20.000 efectos potenciales de fármacos específicos por sexo, que luego pueden verificarse revisando datos más antiguos o realizando nuevos estudios en el futuro. Aunque queda mucho trabajo por hacerhacer, los investigadores ya han tenido éxito al verificar los resultados de varios medicamentos basados en investigaciones genéticas previas.
Por ejemplo, se sabe que el gen ABCB1, que afecta la cantidad de fármaco que puede utilizar el cuerpo y durante cuánto tiempo, es más activo en los hombres que en las mujeres. Debido a esto, los investigadores esperaban ver un mayor riesgo dedolores musculares para los hombres que toman simvastatina, un medicamento para el colesterol, y un mayor riesgo de desaceleración del ritmo cardíaco para las mujeres que toman risperidona, un antipsicótico. AwareDX predijo con éxito ambos efectos.
"Lo más emocionante para mí es que no solo tenemos una base de datos de eventos adversos que hemos desarrollado a partir de este recurso de la FDA, sino que hemos demostrado que para algunos de estos eventos, existe un conocimiento preexistente de diferencias genéticasentre hombres y mujeres ", dice Chandak." Utilizando ese conocimiento, podemos predecir las diferentes respuestas que deben tener hombres y mujeres y validar nuestro método frente a ellos. Eso nos da mucha confianza en el método en sí ".
Al continuar verificando sus resultados, los investigadores esperan que los conocimientos de AwareDX ayuden a los médicos a tomar decisiones más informadas al recetar medicamentos, especialmente a las mujeres. "Los médicos en realidad miran la información de efectos adversos específica del medicamento que recetan.la información se estudia más y se corrobora, de hecho va a afectar la prescripción de medicamentos y la salud de las personas ", dice Tatonetti.
Este trabajo fue apoyado por los Institutos Nacionales de Salud.
Fuente de la historia :
Materiales proporcionados por Prensa de celda . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :