Aunque la medicina personalizada es un objetivo desde hace tiempo, ha habido varios obstáculos. Aunque se ha producido una explosión de datos genómicos, la correspondiente utilidad clínica de estos datos ha tardado en validarse. Los datos procedentes de imágenes de tejidos, un diagnóstico clave, se han limitado a una simple puntuación, con lo que los investigadores disponen de pocos datos para personalizar las terapias en función de la biología del paciente. Sin embargo, el crecimiento en este campo ha aumentado considerablemente en los últimos tiempos, y la tecnología está permitiendo descubrir y desarrollar fármacos más personalizados de tres maneras:
Correlaciones de datos:
Los consumidores se dieron cuenta por primera vez del poder de la correlación con el comercio electrónico. La función "La gente como tú también compró" de Amazon introdujo algoritmos que examinaban los perfiles de compra en línea de los consumidores y los emparejaban con otros para que pudieran encontrar fácilmente nuevos productos de interés. Los bioinformáticos utilizan una mentalidad similar para crear algoritmos médicos que segmenten poblaciones para ensayos clínicos. A medida que se recopilen, digitalicen y optimicen para la minería de datos más datos -incluidos los genéticos, biomarcadores, muestras de tejidos, respuestas de pacientes, etc.-, los investigadores podrán identificar correlaciones, comprender mejor la biología de una persona y cómo reaccionará a una terapia concreta, y desarrollar así opciones de tratamiento más específicas y eficaces. Sin embargo, el poder de la correlación fructificará realmente en los enfoques que utilicen la minería de datos para identificar posibles efectos secundarios poco frecuentes y segmentar la población en aquellos que corren el riesgo de sufrirlos. Con esta información, los investigadores podrán desarrollar tratamientos más personalizados y los médicos podrán adecuar esos tratamientos a los pacientes adecuados.
"Dataficación" de tejidos:
La idea de la medicina personalizada suele centrarse en la capacidad de extraer datos del ADN de forma sencilla y rápida. Sin embargo, los datos genómicos por sí solos no proporcionan un perfil completo del paciente, y los diagnósticos se basan cada vez más en múltiples tipos de datos diagnósticos. Los investigadores pueden ahora ir más allá del ADN y extraer datos cuantificables de las imágenes de tejidos; los tejidos proporcionan información fundamental sobre el estadio y la manifestación de la enfermedad, lo que está permitiendo tomar decisiones más informadas en el proceso de desarrollo clínico. La capacidad de combinar y correlacionar datos cuantificados de imágenes de tejidos con información genómica y resultados clínicos es esencial para la medicina personalizada y está redefiniendo el desarrollo de fármacos.
Tecnologías de consumo:
Las tecnologías de consumo, y en particular las wearables, también están ahora preparadas para influir en el desarrollo de fármacos al llegar a los pacientes directamente a través de sus teléfonos móviles. ResearchKit de Apple, por ejemplo, que es una plataforma médica que pretende convertir el iPhone y HealthKit en herramientas de diagnóstico, cambiará los ensayos clínicos y el tratamiento de dos maneras:
Este tipo de tecnología puede contribuir a un reclutamiento de ensayos más eficaz. Las empresas farmacéuticas podrán dar a conocer más directamente a los pacientes los ensayos clínicos abiertos, y los pacientes podrán identificar más fácilmente los ensayos que les son aplicables y participar en ellos.
Por otro lado, dado que ResearchKit permite a los investigadores recopilar nuevos tipos de datos sanitarios de los pacientes mediante aplicaciones móviles, las tecnologías de consumo permitirán a los médicos tratar a los pacientes basándose en información más holística y de forma más personalizada. También es de esperar que estos datos vuelvan al circuito de I+D para apoyar el desarrollo de fármacos y las directrices de tratamiento.
Fecha: 29 de abril de 2015
Fuente
Presentado por Fomat Medical
Añadir un comentario