Predicción de eventos adversos

La predicción de eventos adversos (o efectos adversos ) es el proceso de identificar posibles eventos adversos de un fármaco en investigación antes de que ocurran realmente en un ensayo clínico.

Predecir con precisión los efectos adversos representa un desafío importante tanto para la industria farmacéutica como para el ámbito académico, debido a que nuestro conocimiento actual de biología , mecanismos de enfermedad (es decir, cómo una enfermedad afecta el estado de salud de un ser humano) y diseño de fármacos es incompleto y, en ocasiones, incorrecto. Además, la complejidad biológica y las diferencias entre los organismos vivos son tales que, incluso si un tratamiento parece funcionar en el laboratorio, puede no ser efectivo en humanos.

La aparición de un evento adverso durante un ensayo clínico es un acontecimiento significativo, no solo por el riesgo que supone para los seres humanos, sino también desde el punto de vista financiero para la organización (generalmente una empresa farmacéutica ) que patrocina el desarrollo del fármaco en cuestión. Por ello, se invierte un gran esfuerzo continuo en este ámbito y existen diversos métodos para predecir eventos adversos, como ensayos con líneas celulares, modelos animales y modelos computacionales in silico .

Los modelos in silico se desarrollan generalmente extrayendo interacciones y comportamientos de sistemas biológicos de la literatura científica o de datos experimentales sobre una enfermedad o sistema biológico específico, e integrando esta información en un modelo matemático que permite comprender y predecir el comportamiento de un fármaco en un organismo. Otro método relativamente reciente se basa en la búsqueda en la literatura científica y la correlación de evidencia de fármacos o afecciones médicas aparentemente no relacionadas . Si se realiza correctamente, este tipo de análisis puede ofrecer una precisión predictiva bastante buena y tiempos de desarrollo significativos, lo que se traduce en menores costos y tiempos de desarrollo para nuevos fármacos.

Si bien los métodos computacionales buscan capturar en profundidad el conocimiento actual de un sistema biológico o un mecanismo de enfermedad, aún dependen de la precisión de dicho conocimiento y pueden pasar por alto información que, aunque aparentemente no relacionada, podría resultar altamente relevante en un sistema biológico complejo e interconectado. Esta limitación se aborda mediante el enfoque de descubrimiento basado en la literatura, que si bien no captura los detalles con la misma profundidad, lo compensa ofreciendo una cobertura completa del conocimiento disponible en todos los campos potencialmente relacionados.

• Biovista

• Cameron, Scott J.; Sokoll, Lori J.; Laterza, Omar F.; Shah, Sanket; Green, Gary B. (2007). "Un enfoque multimarcador para la predicción de eventos adversos en pacientes con síndromes coronarios agudos". Clinica Chimica Acta . 376 ( 1– 2): 168– 73. doi : 10.1016/j.cca.2006.08.019 . PMID 17011538 . 
• Gutiérrez, Félix; Navarro, Andrés; Padilla, Sergio; Antón, Rosa; Masiá, Mar; Borrás, Joaquín; Martín-Hidalgo, Alberto (2005). "Predicción de eventos adversos neuropsiquiátricos asociados con la terapia con efavirenz a largo plazo, mediante la monitorización del nivel de fármaco en plasma" . Enfermedades Infecciosas Clínicas . 41 (11): 1648– 53. doi : 10.1086/497835 . PMID 16267739 . 
• Scheiber, J; Jenkins, JL; Bender, A; Whitebread, S; Hamon, J; Urban, L; Azzaoui, K; Glick, M; Davies, JW (2008). "Predicción del perfil de efectos secundarios: abordaje temprano de la peor pesadilla de las grandes farmacéuticas" . Chemistry Central Journal . 2 (Supl. 1): S4. doi : 10.1186/1752-153X-2-S1-S4 . PMC 4236057 . 
• Walter, Hauke; Schmidt, Barbara; Werwein, Marianne; Schwingel, Eva; Korn, Klaus (2002). "Predicción de la resistencia a abacavir a partir de datos genotípicos: impacto de la resistencia a zidovudina y lamivudina in vitro e in vivo" . Antimicrobial Agents and Chemotherapy . 46 (1): 89– 94. doi : 10.1128/AAC.46.1.89-94.2002 . PMC 126991. PMID 11751116 .  

• Entelos
• GNS