Hace poco más de un año, a Joseph Coates le dijeron que solo quedaba una cosa por decidir: ¿quería morir en casa o en el hospital?
Coates, que entonces tenía 37 años y vivía en Renton, Washington, apenas estaba consciente. Durante meses, había estado luchando contra un trastorno sanguíneo poco común llamado síndrome POEMS, que le había provocado entumecimiento en manos y pies, agrandamiento del corazón e insuficiencia renal. Cada pocos días, los médicos tenían que drenarle litros de líquido del abdomen. Su estado de salud empeoró demasiado como para recibir un trasplante de células madre, uno de los pocos tratamientos que podrían haberle dado remisión.
“Me di por vencido”, dijo. “Simplemente pensé que el final era inevitable”.
Pero la novia de Coates, Tara Theobald, no estaba dispuesta a rendirse. Así que envió un correo electrónico pidiendo ayuda a un médico de Filadelfia llamado David Fajgenbaum, a quien la pareja había conocido un año antes en una cumbre sobre enfermedades raras.
A la mañana siguiente, el Dr. Fajgenbaum respondió sugiriendo una combinación poco convencional de quimioterapia, inmunoterapia y esteroides, nunca antes probada como tratamiento para el trastorno de Coates.
En una semana, Coates empezó a responder al tratamiento. En cuatro meses, estaba lo suficientemente sano como para someterse a un trasplante de células madre. Hoy en día, está en remisión.
El tratamiento farmacológico que le salvó la vida no fue ideado por el médico ni por ninguna otra persona. Fue generado por un modelo de inteligencia artificial.
En laboratorios de todo el mundo, los científicos utilizan la IA para buscar entre los medicamentos existentes tratamientos eficaces para enfermedades raras. La reutilización de fármacos, como se la conoce, no es un concepto nuevo, pero el uso del aprendizaje automático está acelerando el proceso y podría ampliar las posibilidades de tratamiento para las personas con enfermedades raras y pocas opciones terapéuticas.
Gracias a las versiones de la tecnología desarrolladas por el equipo del Dr. Fajgenbaum en la Universidad de Pensilvania y otros centros, se están reutilizando rápidamente medicamentos para tratar afecciones como cánceres raros y agresivos, trastornos inflamatorios mortales y enfermedades neurológicas complejas. Y, a menudo, están dando resultado.
Los pocos casos de éxito conocidos hasta ahora han llevado a los investigadores a plantearse la siguiente pregunta: ¿Cuántas otras curas se esconden a plena vista?
Existe un “tesoro de medicamentos que podrían usarse para muchas otras enfermedades. Simplemente no teníamos una forma sistemática de analizarlo”, dijo Donald C. Lo, exdirector de desarrollo terapéutico del Centro Nacional para el Avance de las Ciencias Traslacionales y líder científico de Remedi4All, un grupo dedicado a la reutilización de fármacos. “Es prácticamente absurdo no intentarlo, porque estos medicamentos ya están aprobados. Ya se pueden comprar en la farmacia”.
Los Institutos Nacionales de Salud definen las enfermedades raras como aquellas que afectan a menos de 200 000 personas en Estados Unidos. Sin embargo, existen miles de enfermedades raras que, en conjunto, afectan a decenas de millones de estadounidenses y a cientos de millones de personas en todo el mundo.
Sin embargo, más del 90 % de las enfermedades raras no tienen tratamientos aprobados, y las grandes farmacéuticas no destinan muchos recursos a su búsqueda. No suele ser muy rentable desarrollar un nuevo fármaco para un número reducido de pacientes, afirmó Christine Colvis, directora de los programas de colaboración para el desarrollo de fármacos en NCATS.
Por eso, la reutilización de fármacos se convierte en una alternativa tan atractiva para encontrar tratamientos para enfermedades raras, afirmó la Dra. Marinka Zitnik, profesora asociada de la Facultad de Medicina de Harvard, quien estudia las aplicaciones de la informática en la investigación médica. El laboratorio de la Dra. Zitnik en Harvard ha desarrollado otro modelo de IA para la reutilización de fármacos.
“Otras técnicas de descubrimiento de laboratorio ya han puesto en el mapa la reutilización de fármacos”, dijo el Dr. Lo. “La IA simplemente le da un impulso extra”.
Encontrar pistas en investigaciones antiguas
La reutilización de fármacos es bastante común en la industria farmacéutica: el minoxidil, desarrollado inicialmente para la presión arterial, se ha reutilizado para tratar la caída del cabello. El viagra, comercializado originalmente para tratar una afección cardíaca, ahora se usa para la disfunción eréctil. La semaglutida, un fármaco para la diabetes, se ha hecho famosa por su capacidad para ayudar a perder peso.
La primera vez que el Dr. Fajgenbaum reutilizó un medicamento, fue en un intento por salvar su propia vida. A los 25 años, mientras estudiaba medicina, le diagnosticaron un subtipo raro de una enfermedad llamada enfermedad de Castleman, que provocó una reacción del sistema inmunitario que lo llevó a la unidad de cuidados intensivos.
No existe un único tratamiento para la enfermedad de Castleman , y algunas personas no responden a ninguno de los tratamientos disponibles. El Dr. Fajgenbaum fue una de ellas. Entre hospitalizaciones y ciclos de quimioterapia que le proporcionaban un alivio temporal, el Dr. Fajgenbaum pasó semanas realizándose análisis de sangre, estudiando literatura médica y probando tratamientos poco convencionales.
“Me di cuenta con total claridad de que no disponía de mil millones de dólares ni de diez años para crear un nuevo fármaco desde cero”, dijo.
El fármaco que salvó la vida del Dr. Fajgenbaum fue un medicamento genérico llamado sirolimus, que se suele administrar a los receptores de trasplantes de riñón para prevenir el rechazo. Este medicamento ha mantenido su enfermedad de Castleman en remisión durante más de una década.
El Dr. Fajgenbaum llegó a ser profesor en la Universidad de Pensilvania y comenzó a investigar otros fármacos con usos desconocidos. Se dio cuenta de que la investigación existente estaba repleta de pistas que habían pasado desapercibidas sobre posibles vínculos entre los fármacos y las enfermedades que podían tratar, afirmó. «Si solo aparecen en la literatura publicada, ¿no debería alguien estar buscándolas constantemente?».
Su laboratorio obtuvo algunos éxitos iniciales, como el descubrimiento de que un nuevo fármaco contra el cáncer ayudó a otro paciente de Castleman. Sin embargo, el proceso fue laborioso, ya que su equipo tuvo que examinar "un fármaco y una enfermedad a la vez", explicó. El Dr. Fajgenbaum decidió que necesitaba acelerar el proyecto. En 2022, fundó una organización sin fines de lucro llamada Every Cure, cuyo objetivo es utilizar el aprendizaje automático para comparar miles de fármacos y enfermedades simultáneamente.
En otros laboratorios de todo el mundo, como en Penn State y la Universidad de Stanford, así como en Japón y China, se están llevando a cabo trabajos similares a los de Every Cure.
En Birmingham, Alabama, un modelo de IA sugirió a un paciente de 19 años debilitado por vómitos crónicos que probara el alcohol isopropílico inhalado por la nariz. "Básicamente, realizamos una consulta que decía: 'Muéstranos todos los tratamientos propuestos en la historia de la medicina para las náuseas'", dijo Matt Might, profesor de la Universidad de Alabama en Birmingham y director del instituto que desarrolló el modelo.
El alcohol "se convirtió en nuestra primera opción", dijo el Dr. Might, y "funcionó al instante".
El modelo desarrollado por el instituto del Dr. Might también ha predicho con éxito otros tratamientos: las anfetaminas, utilizadas habitualmente para tratar el TDAH, aliviaron la parálisis periódica en niños con un trastorno genético poco común. Un fármaco para el Parkinson ayudó a pacientes con una afección neurológica a moverse y hablar. Un medicamento común para la presión arterial llamado guanfacina mejoró drásticamente la movilidad de un paciente pediátrico con otra afección neurológica.
Muchos fármacos tienen más de un efecto, explicó el Dr. Might. Sus efectos adicionales a veces se denominan efectos secundarios. «Si se analizan suficientes fármacos, finalmente se encuentra el efecto secundario que se busca», dijo, «y entonces ese se convierte en el efecto principal».
En la Universidad de Pensilvania, la plataforma del Dr. Fajgenbaum compara aproximadamente 4000 fármacos con 18 500 enfermedades. Para cada enfermedad, los fármacos reciben una puntuación basada en la probabilidad de eficacia. Una vez realizadas las predicciones, un equipo de investigadores las analiza para encontrar ideas prometedoras y, posteriormente, realiza pruebas de laboratorio o contacta con médicos dispuestos a probar los fármacos en pacientes.
En otros ámbitos, las compañías farmacéuticas están utilizando la IA para descubrir fármacos completamente nuevos, una iniciativa que podría optimizar una industria que ya mueve miles de millones de dólares . Sin embargo, es poco probable que la reutilización de medicamentos resulte lucrativa para una sola parte. Muchas patentes de medicamentos expiran después de unas décadas, lo que significa que las compañías farmacéuticas tienen pocos incentivos para buscarles usos adicionales, según Aiden Hollis, profesor de economía de la Universidad de Calgary especializado en el comercio médico.
Una vez que un medicamento se convierte en uno de los miles de genéricos aprobados por la Administración de Alimentos y Medicamentos (FDA), normalmente se enfrenta a una fuerte competencia, lo que provoca una bajada de precio.
“Si se utiliza la IA para desarrollar un nuevo fármaco, se puede ganar muchísimo dinero con él. Pero si se utiliza la IA para encontrar un nuevo uso para un fármaco antiguo y barato, nadie gana dinero con ello”, afirmó el Dr. Fajgenbaum.
Para financiar el proyecto, Every Cure recibió el año pasado más de 100 millones de dólares en donaciones del Proyecto Audacious de TED y de la Agencia de Proyectos de Investigación Avanzada para la Salud (ARPA) , una agencia del Departamento de Salud federal dedicada a apoyar posibles avances en la investigación. El Dr. Fajgenbaum afirmó que Every Cure utilizará parte de este dinero para financiar ensayos clínicos de medicamentos ya existentes.
“Este es un ejemplo de IA que no debemos temer, sino que nos entusiasma”, dijo el Dr. Grant Mitchell, otro cofundador de Every Cure y compañero de clase del Dr. Fajgenbaum en la facultad de medicina. “Esta va a ayudar a mucha gente”.
'Alguien tenía que ser el primero en intentarlo'.
El Dr. Luke Chen se mostró escéptico cuando el modelo del Dr. Fajgenbaum le sugirió que tratara a un paciente con la enfermedad de Castleman utilizando adalimumab, un medicamento que se usa habitualmente para tratar la artritis, la enfermedad de Crohn y la colitis ulcerosa.
“No creía que fuera a funcionar, porque es un medicamento bastante flojo”, dijo el Dr. Chen, hematólogo y profesor de la Universidad de Dalhousie y de la Universidad de Columbia Británica.
Pero el paciente ya se había sometido a quimioterapia y a un trasplante de médula ósea, y había probado varios medicamentos, incluido el que le salvó la vida al Dr. Fajgenbaum. Nada funcionó y estaba ingresando en cuidados paliativos.
“Prácticamente nos habíamos dado por vencidos, pero llamé a David por última vez”, dijo el Dr. Chen.
Sin otras opciones, el Dr. Chen le administró adalimumab al paciente. En cuestión de semanas, el paciente entró en remisión. El caso fue objeto de un artículo publicado recientemente en The New England Journal of Medicine.
Ningún modelo es infalible, afirmó el Dr. Zitnik. La IA a veces puede hacer predicciones "basándose en evidencia que no es lo suficientemente sólida".
La Dra. Colvis afirmó que clasificar los posibles tratamientos según su probabilidad de éxito también puede resultar difícil. Estas cuestiones hacen que la supervisión médica sea crucial. A veces, un médico determinará que una sugerencia de tratamiento es demasiado arriesgada para probarla, explicó. «Pero también hay casos en los que verán algo y dirán: "Bien, esto parece razonable"», añadió la Dra. Colvis.
Cuando el Dr. Fajgenbaum le sugirió por primera vez al Dr. Wayne Gao, hematólogo y oncólogo del estado de Washington, que probara un tratamiento novedoso en uno de sus pacientes, el Dr. Gao tuvo dudas.
El paciente era Coates, el hombre de Washington que iba a ser ingresado en cuidados paliativos, y la agresiva combinación de fármacos sugerida por el modelo del Dr. Fajgenbaum parecía "un poco descabellada", dijo el Dr. Gao. De hecho, le preocupaba que el tratamiento pudiera acelerar la muerte de Coates.
Pero Coates era joven y no había otros tratamientos que considerar. Así que, según el Dr. Gao, "alguien tenía que ser el primero en intentarlo".
El mes pasado, poco más de un año después de haber estado al borde de la muerte, Coates y su novia visitaron al Dr. Fajgenbaum en Filadelfia para agradecerle su ayuda. Coates, sonriente, irradiaba salud; había ganado masa muscular desde la última vez que vio al doctor.
Coates se había torcido el tobillo esa mañana mientras entrenaba. Pero, aparte de eso, dijo que se sentía "perfectamente bien".