El pasado 28 de noviembre tuvo lugar la celebración del Primer Foro de Sanidad de Euskadi, organizado por Grupo Noticias en el que participaron grandes compañías y profesionales del sector para aportar su experiencia y sus conocimientos en torno a los nuevos modelos asistenciales y a la innovación en el ámbito de la salud. Francisco Miguel Torres, profesor de Biomedicina en la UIC y responsable en España de la biotecnológica Owkin formó parte de la primera mesa del evento en la que defendió la necesidad de avanzar en la medicina de precisión gracias a las grandes cantidades de datos que pueden ser recogidos y gestionados hoy en día, aumentando así la efectividad en cómo se va a defender al paciente de forma individual, optimizando recursos y siendo más eficientes.

Hablamos con él de la innovación en el mundo de la farmacología, así como las principales terapias de investigación y la situación de las nuevas dianas terapéuticas.

¿Qué es Owkin? ¿Qué funciones realizan desde allí?

Owkin es una biotecnológica de inteligencia artificial que genera modelos predictivos basados en el machine learning. Estos modelos permiten abarcar necesidades médicas no cubiertas en campos como la identificación de nuevas dianas terapéuticas, estratificación de pacientes en ensayos clínicos, herramientas de diagnóstico, etc.

"Estas soluciones están basadas en datos reales de pacientes que nos permiten caracterizar una enfermedad a un nivel que nada que no sea la inteligencia artificial puede hacer"

Estas soluciones están basadas en datos reales de pacientes que nos permiten caracterizar una enfermedad a un nivel que nada que no sea la inteligencia artificial puede hacer. Gracias a ello sacamos unas conclusiones que, previamente, ni la práctica médica ni la investigación hasta ahora habían podido identificar. Caracterizamos, por ejemplo, en base a la historia clínica y otros datos cuál puede ser la prognosis (evolución) de un paciente para un tipo determinado de cáncer. Ahora mismo en los casos avanzados se analiza la posibilidad de generar metástasis o la supervivencia. Sin embargo, nosotros damos un paso atrás en la historia del enfermo y vemos en base a la identificación de patrones, cómo un paciente recién diagnosticado se comportará de aquí a 10 años. Esto permite actuar en consecuencia, de manera preventiva, en casos iniciales pero que sabemos gracias a nuestros modelos, que terminarán siendo graves. Esa es una gran mejora que le da la inteligencia artificial a la investigación médica a día de hoy, y es parte de lo que consideramos medicina de precisión.

¿Cómo puede gestionar el paciente esa información que se le da cuando no es positiva?

En ese ámbito creo que no va a haber grandes cambios. Hoy en día si te diagnostican un tumor ya te detallan cómo es: alto grado, metastásico… y si te informas un poco puedes anticipar la gravedad de este. En ese sentido, la incertidumbre no va a ser sensiblemente diferente en el futuro, lo que va a cambiar va a ser que vas a estar mucho mejor caracterizado y tu abordaje terapéutico va a ser mucho más preciso. Es decir, ahora mismo tienes un cáncer de mama que puede ser abordado en función de los marcadores moleculares que ese cáncer tiene actualmente. Si ése es el caso, existen terapias dirigidas contra esos marcadores.

"Se han identificado algunos marcadores, pero aún estamos lejos de abordar cada caso en base a una caracterización precisa de todas sus dianas terapéuticas, hay mucho margen para la mejora"

Pero luego también existe el triple negativo, que es el peor pronóstico y que no tiene una buena gestión porque no tiene dianas terapéuticas específicas identificadas. Pues para esos casos, sabemos que estos triples negativos no son un grupo homogéneo de tumores, así que se trata de caracterizarlo mejor aún para poder abordarlo de manera precisa y personalizada. Eso pasa con muchos tumores: se han identificado algunos marcadores, pero aún estamos lejos de abordar cada caso en base a una caracterización precisa de todas sus dianas terapéuticas, hay mucho margen para la mejora, y ahí la inteligencia artificial puede marcar la diferencia.

En el campo de la farmacia, el descubrimiento de la diana terapéutica es muy importante para poder fabricar un fármaco eficaz. ¿Se están descubriendo nuevas dianas actualmente?

Uno de los hitos centrales de la investigación biomédica es descubrir nuevas dianas terapéuticas y luego abordarlas con garantía. Es decir, tener una diana terapéutica no te garantiza que puedas desarrollar un fármaco que la explote. Sí que es cierto que, en paralelo a esto, el índice de éxito de los desarrollos farmacéuticos es bastante bajo, el riesgo asociado al desarrollo farmacéutico es bastante alto y los costes son altísimos. Entonces, la propuesta de Owkin es optimizar los recursos en base a un mejor conocimiento del contexto, no solamente para identificar nuevas dianas terapéuticas, que puede ser que no hayamos identificado anteriormente, sino también cómo abordar esas dianas terapéuticas con más garantía e identificar a los subgrupos de pacientes que se beneficiarán más de ellas.

Una diana terapéutica es una sustancia localizada en cualquier parte de una célula capaz de reconocer un fármaco y producir una respuesta celular.


¿Hacia dónde se enfoca actualmente la investigación de la mejora farmacológica?

Pues como hemos comentado, siempre en generar nuevas dianas terapéuticas. Cuando se identifica una diana terapéutica hay un ‘boom’ en desarrollo de abordajes terapéuticos, pero claro, el premio solamente se lo llevan uno o dos, así que siempre hay interés por identificar nuevas dianas. Otro aspecto sería la optimización del desarrollo de fármacos, ya que como hemos comentado, la diana es el primer paso, luego hay que ser capaz de incidir sobre ella. En ambos casos la IA puede ayudar a definir estrategias más optimizadas y exitosas y es en lo que trabajamos en Owkin.

"La diana es el primer paso, luego hay que ser capaz de incidir sobre ella"

Adicionalmente a los abordajes farmacológicos, ahora mismo la terapia génica dirigida es el campo que va a cambiarlo todo; se trata de intervenir con ingeniería genética sobre enfermedades que están causadas por un solo gen. La tecnología CRISPR permite editar el ADN y es una tecnología que va a cambiar el abordaje terapéutico, por lo menos inicialmente en todas las enfermedades que dependen del fallo de un solo gen como muchas enfermedades raras, por ejemplo. A eso también le sumamos la capacidad de hacer herramientas con bioingeniería como pueden ser las células CAR-T, que son células del sistema inmune modificadas genéticamente para atacar el tumor y ya se están usando en leucemia y está funcionando muy bien.

Por último está también la telemedicina y la salud digital, ahí la inteligencia artificial es clave para ayudar en el diagnóstico y tratamiento de los pacientes y su abordaje por parte del facultativo… Pero hablando de terapias, ahora mismo, las principales tendencias son una optimización del desarrollo farmacológico, la tecnología de CRISPR y la ingeniería a nivel de terapias celulares, que por fin se ven que pueden funcionar. El problema que tenemos hoy día es que en la actualidad un tratamiento de CAR-T te puede costar 150.000 euros y ahí está la duda. ¿Qué tipo de terapias novedosas puede asumir el sistema de salud, hoy día sabiendo que todos vamos a envejecer y cada vez va a haber más demanda? Ya no es suficiente el desarrollar una terapia exitosa, también tiene que ser coste efectiva ya que cada vez se desarrollan más soluciones tecnológicas pero los sistemas de salud disponen de recursos limitados para desplegarlas.

¿En qué órganos o sistemas del cuerpo hay más carencia de nuevos medicamentos?

Siempre hemos tenido una gran deuda con las enfermedades raras o los casos poco frecuentes de cáncer porque por una cuestión tanto de volumen de casos para estudiar como de impacto económico siempre han sido enfermedades que han estado un poco olvidadas. En estos casos complejos -desde Owkin somos referentes en la estrategia del aprendizaje federado- es un abordaje en el cual el algoritmo aprende de datos deslocalizados, es decir es el algoritmo que viaja hacia los datos, lo que nos tiene que permitir agrupar un número mayor de pacientes de estas enfermedades o tumores poco frecuentes para poder sacar conclusiones relevantes. En paralelo, además, el aprendizaje federado mejora la seguridad y la preservación de la confidencialidad de los datos del paciente, que nunca salen del centro donde se recogieron, y estas cuestiones de seguridad son muy relevantes también en este tipo de proyectos.

"El algoritmo es el que viaja hacia los datos, lo que nos tiene que permitir agrupar un número mayor de pacientes de estas enfermedades o tumores poco frecuentes para poder sacar conclusiones relevantes"

En cualquier caso, todos los problemas médicos (sean poco o muy comunes) pueden beneficiarse del aprendizaje federado, ya que podremos agrupar más y más casos, y por tanto las conclusiones obtenidas serán más precisas y relevantes. La medicina de precisión se basa en aprender de grandes cantidades de datos para caracterizar y tratar mejor al paciente individual. Por fin tenemos la capacidad técnica de desplegarla de manera real y efectiva, y eso va a cambiarlo todo.

“Ahora mismo tenemos la capacidad de generar grandes cantidades de datos y de analizarlos de una manera ingente”

“Ahora mismo tenemos la capacidad de generar grandes cantidades de datos y de analizarlos de una manera ingente”