Suponiendo que la pregunta se refiera a respuestas / reacciones atípicas a las drogas como ejemplo del resultado de la investigación médica, una breve descripción del proceso de aprobación de medicamentos de la FDA, un prototipo del sistema prevaleciente, ayuda a resaltar su deficiencia principal rápidamente e identificando económicamente a aquellos que puede ser dañado o no ayudado por un medicamento (ver figuras debajo de 1).
Problema: el proceso actual de aprobación de medicamentos prioriza la respuesta promedio , no individual ,


Los ensayos clínicos generalmente evalúan algunas respuestas de unos pocos miles de personas. Además, el sistema implementado no está optimizado para detectar reacciones atípicas / adversas al inicio del proceso. También toma en cuenta inadecuadamente las diferencias genéticas (edad, género, etnia, etc.) y de estilo de vida (actividad, dieta, perfil metabólico, etc.). Este proceso de aprobación de medicamentos evolucionó después de la Segunda Guerra Mundial. Durante el mismo período, varios cuerpos de conocimiento cruciales aumentaron, algunos, como el conocimiento médico, considerablemente, otros, como las herramientas médicas y las tecnologías, incluso exponencialmente. Como resultado, las respuestas a los medicamentos se pueden evaluar de forma más exhaustiva que antes. La comprensión científica de los mecanismos de acción subyacentes también ha mejorado tanto que ahora se está volviendo cada vez más evidente que estamos viviendo un período de transición con una medicina bastante imprecisa del siglo XX, incluso cuando nuestro conocimiento médico y científico nos llevó a la cúspide de la medicina personalizada .
Como destacó Nicholas J. Schork en un reciente artículo de opinión en Nature (2), cada día millones de personas toman medicamentos que no los ayudarán. Como destaca en una cifra convincente, las diez principales drogas con mayor recaudación en Estados Unidos ayudan entre 1:25 y 1: 5, es decir, entre el 4 y el 25% de quienes las toman (ver la figura a continuación de 2).

Schork también señala que medicamentos como las estatinas, que se usan habitualmente para reducir el colesterol, pueden beneficiar tan solo 1:50, es decir, 2% (3). ¿Por qué? No debido a una negligencia deliberada o negligencia, sino simplemente porque el proceso actual de aprobación de medicamentos prioriza la eficacia promedio , no individual . El paso lógico es pasar del promedio a las respuestas individuales, es decir, N-de-1 ensayos . Schork sugiere que los agregados de N-de-1 ensayos podrían evaluar mejor la verdadera eficacia y los resultados adversos de los medicamentos.
Posible solución: los ensayos N-1 son más propensos a administrar medicamentos de precisión
Los ensayos N-de-1 recogerían una gran cantidad de datos de una persona, a veces todos los días, a menudo durante meses o años. Schork menciona un ejemplo de Australia (4).
- 132 osteoartritis o pacientes con dolor crónico tomaron diferentes medicamentos durante tres años.
- Los niveles de dolor informados, la hinchazón y otros síntomas asociados se midieron cada 2 semanas durante periodos de 12 semanas, cuando el paciente no estaba tomando un medicamento en particular.
- Las comparaciones de datos pre y post Rx permitieron un Rx más efectivo .
- Los costos de tal enfoque fueron, como era de esperar, mucho más altos.
El costo es definitivamente un cuello de botella en la medicina personalizada (6). Hacer los reembolsos de pacientes más fáciles sería una medida obvia. Las pruebas moleculares que estratifican a los pacientes de acuerdo con la probabilidad de respuesta o seguridad de un medicamento, es decir, el diagnóstico complementario , son los componentes fundamentales de la medicina personalizada. El análisis de Cohen y Félix (6) del mercado de la salud de EE. UU. Sugiere que las medidas recientes de las aseguradoras para cubrirlos ayudarán a construir una base de pruebas para el diagnóstico complementario . Este es el primer paso necesario para acelerar el proceso de medicina personalizada.
Además de los costos, la otra consideración es si la medicina personalizada es realmente una realidad en la actualidad. Si bien podemos medir cada vez más respuestas, para muchas enfermedades aún estamos lejos de comprender qué es relevante , es decir, Biomarker, que son sustitutos / sustitutos confiables para el inicio o la progresión de la enfermedad o para la respuesta a medicamentos.
Obviamente, quedan lagunas de conocimiento crítico. Sin embargo, Schork dice que los médicos ya están haciendo N-de-1 ensayos de una manera ad hoc . Por ejemplo, prescribir un medicamento, controlar su efecto y luego probar con otro. Cualquiera que haya estado en un médico estaría familiarizado con este escenario. Sin embargo, este proceso aún no se ha formalizado en un enfoque riguroso de ensayo clínico. El objetivo es transformar esta ” atención clínica diaria ” en N de 1 ensayos (2).
Los pilares clave de dicho enfoque incluirían (2),
- Datos genéticos, los llamados ‘ ómicos ‘: cada vez más fáciles de evaluar, esto incluye no solo ADN, ARN, sino también metabolitos sanguíneos ( metaboloma ) y microbiota ( microbioma ).
- Control personalizado de la salud: ser cada vez más accesible con dispositivos como monitores electrónicos portátiles, monitores de glucosa continuos, monitores de electroencefalogramas (EEG) portátiles, etc.
- Apoyo institucional para la medicina de precisión: los gobiernos, las agencias reguladoras (7), los organismos de financiación están aumentando su apoyo. Por ejemplo, en los EE. UU., El presidente Obama anunció una Iniciativa Nacional de Medicina de Precisión de $ 215 millones (8). La FDA incluso afirmó que la era del medicamento de talla única podría incluso haber terminado (7).
Otro paso clave: los resultados atípicos / adversos podrían descubrirse antes al evaluar los resultados estándar
Obviamente, el diseño actual de ensayos clínicos no prioriza medidas de resultados uniformes . Diferentes ensayos miden diferentes resultados, incluso para la misma enfermedad. Esta es otra área donde es necesaria una estandarización considerable. Un enfoque para la estandarización es la Iniciativa de Medidas de Resultados Fundamentales en Efectividad ( COMET ) para medir resultados uniformes de ensayos clínicos, idea original de Paula Williamson, estadística de la Universidad de Liverpool, Reino Unido (ver la figura debajo de 5). En los EE. UU., La NLM del NIH (Biblioteca Nacional de Medicina) lanzó una iniciativa similar, una base de datos de ” elementos de datos centrales ” que los Institutos NIH recomiendan o requieren en los ensayos que financian (5).

El proceso de aprobación de medicamentos de hoy sin duda conlleva un mayor riesgo de perder reacciones atípicas / adversas a medicamentos o intervenciones, especialmente al principio del proceso. En las próximas décadas, sin duda la medicina del siglo XX se transformará en una medicina personalizada y de precisión, y conforme este proceso se acelere, este riesgo disminuirá automáticamente o al menos esa es la esperanza.
Bibliografía
- http://www.fda.gov/downloads/Dru …
- Schork, Nicholas J. “Medicina personalizada: tiempo para ensayos en una persona”. Nature 520.7549 (2015): 609-611. Página en researchgate.net
- Mukherjee, Debabrata y Eric J. Topol. “Farmacogenómica en enfermedades cardiovasculares”. Progreso en enfermedades cardiovasculares 44.6 (2002): 479-498.
- Scuffham, Paul A., et al. “Usar ensayos N-1 para mejorar el manejo del paciente y ahorrar costos”. Revista de medicina interna general 25.9 (2010): 906-913. Página en nih.gov
- Keener, Amanda B. “El grupo busca la estandarización de lo que los ensayos clínicos deben medir”. Nature medicine 20.8 (2014): 798-799.
- Cohen, Joshua P., y Abigail E. Felix. “Cuello de botella de la medicina personalizada: evidencia de prueba de diagnóstico y reembolso”. Revista de medicina personalizada 4.2 (2014): 163-175. Página en mdpi.com
- Simoncelli, T. “Allanar el camino para la medicina personalizada: el papel de la FDA en una nueva era de desarrollo de productos médicos”. Silver Spring, MD: Administración de Drogas y Alimentos de los EE. UU. Publicado en octubre (2013). Página en fda.gov
- Iniciativa de Medicina de Precisión
Gracias por el A2A, Michael Berglund.