Descripció del projecte
Els costos i el temps necessaris per a la introducció de nous fàrmacs al mercat han augmentat en els darrers anys, mentre que el nombre d’aprovacions ha disminuït. La seguretat dels fàrmacs és un dels principals factors que contribueixen a aquesta tendència, representant aproximadament el 30% dels fracassos en el desenvolupament de medicaments. A més, els efectes adversos també constitueixen un repte significatiu per a la farmacovigilància, ja que poden comportar greus problemes de salut pública.
Els mètodes actuals per detectar efectes adversos son complexos i laboriosos, fet que dificulta la predicció d’aquests a gran escala. En les primeres fases del desenvolupament dels fàrmacs, tant les proves de laboratori com l’experimentació amb animals presenten limitacions importants, com ara costos elevats i conflictes ètics. En la següent fase, els assaigs clínics es duen a terme en entorns controlats, amb poblacions reduïdes i durades curtes, condicions que no reflecteixen l’ús real dels medicaments. Com a conseqüència, poden sorgir problemes de seguretat un cop els fàrmacs ja es troben al mercat. Els sistemes de notificació espontània tenen un paper clau en la monitorització d’aquestes reaccions, però també presenten limitacions significatives, com ara la infradeclaració i el biaix en la notificació. Així, malgrat els esforços en les fases preclínica, clínica i postcomercialització per identificar reaccions adverses als medicaments, les estratègies tradicionals continuen sent insuficients.
En els darrers anys, s’han desenvolupat mètodes computacionals per predir els efectes secundaris dels fàrmacs; malgrat que aquestes tècniques basades en dades químiques, biològiques i fenotípiques han millorat la capacitat predictiva, la seva efectivitat es veu limitada per la disponibilitat de dades i la integració d’aquestes.
Aquest projecte pretén millorar la detecció d’efectes adversos mitjançant la identificació de característiques predictives clau i la incorporació de noves dades a través de la inferència basada en aprenentatge automàtic (machine learning) i l’extracció d’informació mitjançant models de llenguatge (large language models). Optimitzant els models predictius, aquesta investigació busca reduir costos, accelerar el desenvolupament de fàrmacs i millorar la presa de decisions per part de les entitats reguladores, contribuint així a l’obtenció de medicaments més segurs i a millors resultats per als pacients.
És possible predir la seguretat dels fàrmacs en les fases preclínica, clínica i postcomercialització mitjançant el desenvolupament de models computacionals capaços d’identificar amb precisió les associacions fàrmac-esdeveniment, integrant descriptors diversos tant dels fàrmacs com dels efectes adversos. Els objectius d’aquest projecte són:
1 – Desenvolupar un flux de treball que integri la millor informació disponible en els àmbits químic i biològic i en totes les fases del desenvolupament de fàrmacs.
2 – Implementar eines avançades de descripció i anàlisi per caracteritzar tots els elements presents en el corpus de dades agregat.
3 – Explorar i comparar diferents enfocaments de modelatge per millorar la predicció dels efectes adversos amb el doble objectiu de:
a) Donar suport a la indústria farmacèutica: Facilitar la detecció primerenca de possibles problemes de seguretat en nous candidats a fàrmacs mitjançant enfocaments basats en similituds, accelerant així el desenvolupament, reduint costos i millorant la seguretat global dels fàrmacs.
b) Millorar la farmacovigilància: Prevenir reaccions adverses en condicions reals per evitar problemes de seguretat.
