Un equipo de investigadores del Instituto de Ciencia y Tecnología de Gwangju, en Corea del Sur, diseñaron un sistema de aprendizaje profundo (deep leaning) que permite predecir qué interacciones farmacológicas pueden producir efectos adversos en el cuerpo humano.

Los modelos computacionales y los algoritmos basados en redes neuronales examinan registros de reacciones a medicamentos e identifican las estructuras y los efectos secundarios que llevan asociados. Con este enfoque, según lo publicado en el Journal of Cheminformatics, los investigadores llegaron a la conclusión de que los fármacos similares provocan consecuencias parecidas, algo que sucede incluso con las combinaciones químicas con muchos elementos en común.

Hasta ahora, los métodos se habían fundamentado en las propiedades de los fármacos para predecir los efectos indeseados. De hecho, solo se tenían en cuenta las estructuras y propiedades de los medicamentos, con un rango limitado a las interacciones observadas previamente, sin considerar el impacto en los genes y la funcionalidad celular, inconvenientes resueltos por los autores de la investigación hecha en el Instituto de Ciencia y Tecnología de Gwangju, en Corea del Sur.

En este caso, se parte de un modelo de generación de características y se desemboca en un sistema de predicción, que anticipa qué sucederá en una persona cuando tome un producto determinado. La clave es la expresión génica, el proceso mediante el cual todos los organismos transforman la información codificada por los ácidos nucléicos en las proteínas necesarias para su desarrollo y reproducción.

El profesor Hojung Nam, uno de los impulsores de este experimento, señala: “Nuestra aportación posibilita avanzar con respecto tanto a medicamentos ya aprobados como a compuestos novedosos”. Y no sería posible sin una herramienta como el deep learning, un conjunto de algoritmos que modela abstracciones de alto nivel en datos mediante arquitecturas de computación.

De esta manera, “las amenazas de la polifarmacia -uso simultáneo o excesivo de varios tipos de medicinas- puede resolverse antes de que los nuevos fármacos estén disponibles” dice Nam y agrega que “este modelo puede distinguir entre medicamentos potencialmente peligrosos, actuando como un sistema de control de seguridad”. Su uso puede ayudar a los investigadores a definir el empleo correcto del fármaco en la fase de prueba e implementación.

Fuente: La vanguardia