Con apoyo de ARPA-H, el proyecto KronosRx busca anticipar la toxicidad de fármacos antes de los ensayos clínicos para mejorar la seguridad de los pacientes.
El centro médico Cedars-Sinai recibió un financiamiento de hasta 5.05 millones de dólares para desarrollar KronosRx, una plataforma basada en artificial intelligence (AI) que permitirá predecir posibles reacciones adversas a medicamentos antes de que inicien los ensayos clínicos en humanos. La iniciativa forma parte del programa Computational ADME-Tox and Physiology Analysis for Safer Therapeutics (CATALYST) of the Advanced Research Projects Agency for Health (ARPA-H), cuyo objetivo es fortalecer la seguridad en el desarrollo de nuevos tratamientos.
Actualmente, más del 30% de los ensayos clínicos fracasan debido a efectos adversos relacionados con los fármacos. De acuerdo con los investigadores, este problema persiste porque los estudios en animales y las pruebas de laboratorio a corto plazo no siempre reflejan con precisión cómo se comportan los medicamentos en el cuerpo humano a lo largo del tiempo.
“Cada año, muchos medicamentos prometedores fracasan en ensayos porque las pruebas en animales y los estudios de laboratorio a corto plazo no pueden predecir cómo se comportan los fármacos en personas reales con el paso del tiempo”, señaló el Dr. Nicholas Tatonetti, vicepresidente de Biomedicina Computacional en Cedars-Sinai y líder del proyecto. “Estos fracasos retrasan tratamientos que pueden salvar vidas y elevan los costos del desarrollo de medicamentos”.
La plataforma KronosRx aplicará herramientas avanzadas de inteligencia artificial a lo que los investigadores denominan “avatares de pacientes”, es decir, sistemas de organoides y órganos en chip creados a partir de células madre humanas. Estos modelos permiten simular el funcionamiento de órganos reales y observar cómo reaccionan ante medicamentos experimentales.
Los modelos de AI se entrenan con millones de datos clínicos anónimos provenientes de los registros electrónicos de salud de Cedars-Sinai, lo que permite analizar la respuesta a los fármacos en poblaciones diversas y bajo múltiples condiciones. “Estos sistemas de AI no solo predicen si un medicamento es seguro o tóxico; modelan cómo evoluciona el riesgo de manera dinámica, considerando la edad, el estado de salud del paciente y otros medicamentos que pueda estar tomando”, explicó Tatonetti.
The objetivo es generar proyecciones más precisas sobre la toxicidad de los medicamentos, reducir la dependencia de estudios en animales y fortalecer la seguridad de quienes participan en ensayos clínicos.
Los responsables del proyecto consideran que esta tecnología puede transformar la forma en que se evalúa la seguridad de los medicamentos antes de llegar a los pacientes. Al anticipar posibles efectos adversos con mayor exactitud, KronosRx podría disminuir la tasa de fallos en ensayos clínicos y acelerar el desarrollo de terapias innovadoras.
“Al crear un método más confiable y relevante para los humanos en la evaluación de seguridad, el proyecto KronosRx busca mejorar los ensayos clínicos y acortar los tiempos de desarrollo”, afirmó el Dr. Clive Svendsen, director ejecutivo del Instituto de Medicina Regenerativa del Consejo de Gobernadores de Cedars-Sinai e investigador del proyecto.
El equipo de KronosRx reúne a especialistas en biomedicina computacional, biología de células madre e informática en salud. Además de Tatonetti y Svendsen, participan investigadores como el Dr. Arun Sharma, quien estudia la cardiotoxicidad inducida por medicamentos mediante modelos cardíacos personalizados, y la Dra. Graciela González-Hernández, responsable de integrar datos clínicos y moleculares en los sistemas de AI.
A largo plazo, el proyecto busca cerrar la brecha entre los modelos computacionales y los resultados reales en pacientes. De acuerdo con el Dr. Svendsen, el uso continuo de datos permitirá que la inteligencia artificial refine sus predicciones con el tiempo.
“Este enfoque permite que la AI mejore constantemente sus proyecciones a medida que surge nueva evidencia, tendiendo un puente entre la predicción computacional y los resultados reales en los pacientes”, señaló el Dr. Svendsen.
