El teu propi "bessó digital"? L'última tecnologia que canviarà les proves de drogues (bessó digital)

T'has preguntat mai quant de temps ha trigat a arribar a les teves mans la pastilla que t'has pres aquest matí? Primer, fan una investigació exhaustiva als laboratoris. Després la proven en animals. Però abans que es pugui aprovar el seu ús en humans, l'han de provar en humans. Això és el que anomenem un assaig clínic. És un procés molt complicat i car.

En poques paraules, què és un assaig clínic?

En termes senzills, un assaig clínic funciona així: els investigadors recluten pacients amb la malaltia a la qual s'adreça el fàrmac recentment desenvolupat. Aquests voluntaris es divideixen aleatòriament en dos grups.

1. Al primer grup se li dóna el nou fàrmac que s'ha d'assajar.

2. El segon grup , el «grup de control», rep un placebo que no té cap ingredient actiu i que té exactament l'aspecte del fàrmac. L'anomenem «placebo».

Si, al final d'aquest assaig, els símptomes dels que van prendre el nou fàrmac han millorat més que els dels que van prendre el placebo, això demostra que el nou fàrmac és eficaç.

Un dels majors reptes en un assaig d'aquest tipus és trobar prou pacients que siguin exactament els adequats per a l'assaig. De vegades, fins i tot els metges no saben quins assajos són adequats per als seus pacients. A més, les característiques dels pacients que volen participar poden no coincidir amb els requisits de l'assaig. Tanmateix, la intel·ligència artificial (IA) podria facilitar molt aquesta tasca.

Coneix el teu "bessó digital"

Imagineu que teniu el vostre propi model informàtic, és a dir, una còpia digital de vosaltres mateixos. Això és el que s'anomena un "bessó digital". Aquests són simplement "models informàtics" que simulen un objecte o sistema del món real en un ordinador. Però quan es veuen numèricament, es comporten exactament igual que la realitat. El millor exemple és quan va explotar un tanc d'oxigen de la nau espacial Apollo 13, la NASA va ajudar a reparar-lo amb un "bessó digital" de la mateixa nau espacial construït a la Terra.

Ara, els científics poden crear un "bessó digital" d'un ésser humà, si se'ls dóna prou "dades". Això utilitza una tecnologia d'intel·ligència artificial anomenada "aprenentatge automàtic". En poques paraules, això implica donar a un programa informàtic una gran quantitat de dades i deixar que en aprengui.

Els bessons digitals de pacients es creen entrenant aquests models d'aprenentatge automàtic utilitzant dades d'assajos clínics anteriors i els historials mèdics personals de cada pacient. El model pot predir com canviarà la salut d'un pacient durant el transcurs de l'assaig si se li administra un placebo.És a dir, es crea un grup de control generat per ordinador (Grup de Control Simulat) per a aquest mateix pacient.

Ara vegem com funciona això. Diguem que algú anomenat "Samadhi" és seleccionat per formar part del grup que rep un fàrmac nou. El "bessó digital" de Samadhi, un model informàtic, es troba al grup de control. El model prediu què passaria si a Samadhi se li administrés un "placebo" en lloc del fàrmac real. En última instància, la diferència entre la resposta real de Samadhi al fàrmac i el que el model va predir que passaria si prengués el "placebo" és una mesura de l'efectivitat del fàrmac per a Samadhi.

Vegem aquesta taula per veure clarament els beneficis d'utilitzar "bessons digitals" en lloc dels equips de control tradicionals.

Tot i que aquesta tecnologia és bona, no hi ha problemes?

Tot i que aquesta tecnologia té un gran potencial de futur, encara no s'ha utilitzat àmpliament. Pot haver-hi bones raons per a això. Com assenyala el Dr. Daniel Neal, expert en "(aprenentatge automàtic)", aquests models es basen en grans quantitats de dades. A més, és molt difícil obtenir dades d'alta qualitat d'individus.

Un altre problema són els efectes secundaris rars i inesperats que pot causar un fàrmac. Sovint no estan coberts pel model dissenyat per al grup de control.

Però la por més gran del Dr. Neal és que aquest model predictiu es basi en "les coses com sempre". Imagineu-vos un esdeveniment gran i inesperat com la pandèmia de la COVID-19 que canvia el comportament de tothom i fa que la gent es posi malalta. "Els models de control no tenen això en compte", diu. Aleshores, a causa d'aquests esdeveniments que el grup de control no va tenir en compte, els resultats finals de l'experiment podrien ser completament diferents.

Així doncs, realment es pot utilitzar això? Què ens depararà el futur?

Eric Topol, expert en l'ús de la tecnologia digital en l'atenció mèdica, creu que la idea és fantàstica, però encara no és el moment adequat. "No crec que els assajos clínics canviïn en un futur proper. Perquè requereixen múltiples capes de dades, més enllà dels registres mèdics, com ara seqüències del genoma, microbioma intestinal, dades ambientals".

Segons Charles Fisher, fundador d'Unlearn.AI, pionera en aquesta tecnologia, ja hi ha solucions als problemes de privadesa de dades i biaix. "La privadesa és fàcil. Només treballem amb dades que ja han estat anonimitzades".

Quan parla de biaix, diu que, tot i que el problema no s'ha resolt completament, no és rellevant per als resultats de l'estudi. Com que els estudis són aleatoris, fins i tot si hi ha algun biaix en les dades, això no afecta els resultats. Tanmateix, alguns experts no estan d'acord amb aquesta idea. Diuen,Com que esteu comparant una persona real amb un model informàtic, si hi ha algun error en aquest model, pot afectar directament els resultats.

Tanmateix, Unlearn.AI ja està treballant amb companyies farmacèutiques per dissenyar assajos clínics per a malalties neurològiques com l'Alzheimer, el Parkinson i l'esclerosi múltiple. Van triar aquestes malalties com un bon punt de partida perquè tenen més dades que altres. Fisher diu que si el mètode es pot aplicar algun dia a totes les malalties, podria reduir significativament el temps que triguen els nous fàrmacs a arribar al mercat.