Investigadores desarrollan software que identifica interacciones y reacciones adversas que provocan medicamentos

Rossi A. G.

Es una herramienta de apoyo para un mejor control de fármacos en hospitales.

Un grupo multidisciplinario de investigadores de las facultades de Ciencias de la Computación (FCC) y Ciencias Químicas (FCQ) diseñó un software que permite identificar interacciones y reacciones adversas que podría experimentar un paciente al consumir medicamentos, por lo que contribuye a mejorar la eficiencia de los servicios farmacéuticos en un hospital.

Diseñado en el Laboratorio de Farmacia Clínica de la FCQ, este software es único en el país y se coloca a la vanguardia en desarrollos científicos de utilidad en salud. Derivado de ello se tramitó la solicitud de registro de patente “Proceso de aprendizaje automático para la identificación de interacciones farmacológicas”, número MX/a/2018/002194, ante el Instituto Mexicano de la Propiedad Industrial.

Un artículo sobre los resultados y avances del proyecto será publicado a mediados del año en la revista Ingeniería, Investigación y Tecnología de la UNAM, indizada por el Consejo Nacional de Ciencia y Tecnología.

Gustavo López y López, investigador de la FCQ, adscrito a este laboratorio, refirió que algunos hospitales en México buscan obtener una certificación del Consejo de Salubridad General, para lo cual deben cumplir con ciertos indicadores de calidad en el uso y manejo de medicamentos, entre estos reducir errores en la medicación y detección de reacciones adversas.

Dicho software es una herramienta de apoyo para el personal farmacéutico, para tener un mejor control de los medicamentos que se proporcionan a los pacientes. “En específico este programa se acoplaría con los procesos de la idoneidad de la prescripción y la conciliación de la medicación, indicadores importantes para tomar en cuenta en la certificación de los nosocomios del país”, señaló.

Igualmente, podría ser un apoyo para el personal médico en el proceso prescripción-dispensación, lo que representaría una ventaja para los hospitales que cuentan con expedientes electrónicos, ya que se podrían hacer estudios de uso de los medicamentos administrados y tomar en cuenta otros factores como peso, edad, alimentación y presencia de otra patología.

Otra ventaja es que el software permite reducir el tiempo en el que un farmacéutico identifica la interacción de un medicamento con base en su perfil fármaco-terapéutico, proceso que tarda hasta 20 minutos en su forma tradicional, y con este podrá hacerse en cuestión de segundos.

El investigador afirmó que “una reacción adversa de un medicamento en un paciente de Estados Unidos o Europa no necesariamente se produce de la misma forma en un paciente mexicano, por lo tanto esta herramienta podría generar información sobre la eficacia y seguridad de los medicamentos en la población nacional”.

Por su parte, Luis Enrique Colmenares Guillén, profesor investigador de la FCC, explicó que para la creación del software se pensó en un sistema de interacción de medicamentos basado en un corpus lingüístico y la utilización de técnicas de aprendizaje automático.

Expuso que la información vigente de los medicamentos para la creación del corpus lingüístico fue obtenida de tres diccionarios farmacéuticos importantes: Diccionario de Especialidades Farmacéuticas, Vademecum y Micromedex.

La metodología empleada para el desarrollo del software fue el prototipado evolutivo utilizando el ciclo de diseño en un sistema de reconocimiento de patrones con enfoque estadístico.

En una primera etapa el software utilizó diez medicamentos; luego se aumentó la capacidad de interacción a 50 y actualmente trabaja con 540, los cuales son los más utilizados a nivel hospitalario e incluyen aquellos para tratar enfermedades crónico degenerativas no transmisibles, como son los hipoglucemiantes, hipolipemiantes y los antihipertensivos como Metformina, Atorvastatina y Losartán, respectivamente, entre otros.

Víctor Morales Murillo, estudiante de la Maestría en Ciencias de la Computación de la FCC y colaborador en este proyecto, mencionó que en la segunda etapa del trabajo se usaron algoritmos de reconocimiento de patrones, basados en estadística y probabilidad, para predecir una interacción farmacológica.

Asimismo, se diseñaron interfaces gráficas de usuario para una mejor visualización del sistema y se implementó un algoritmo de recuperación de información, así como uno de clasificación que es el que determina si una interacción de medicamentos es grave, leve o moderada.

En este mismo sentido, Maya Carrillo Ruiz, investigadora de la FCC, comentó que los algoritmos de clasificación permiten que la computadora sea entrenada para distinguir diferentes objetos o conceptos, tal y como se hiciera con una persona, y una vez que aprende, puede hacer predicciones con respecto a nuevos datos.

“Un aspecto muy importante dentro de este proyecto es el trabajo multidisciplinario, porque la computación tiene cabida en cualquier área del conocimiento, pero necesitamos de expertos que nos indican qué atributos son importantes y hacen la validez de los resultados que obtenemos. Lo importante es llevar técnicas de un área a otra, para enriquecernos mutuamente, contribuir en la solución de problemas reales y tener un impacto en la sociedad”, señaló.

Por ahora, el sistema funciona solo con interacciones entre medicamentos. El siguiente paso es integrar otros esquemas relacionados con el perfil del paciente, como los alimentos que consume, la edad y el peso, con el fin de generar nuevas interacciones para identificar qué tipo de reacción podría suceder, por ejemplo, en un paciente de la tercera edad cuya dieta es baja en grasas y que ingiere un determinado medicamento.

En este proyecto también colabora Juan Carlos Bastida Herrera, investigador de la FCQ, con amplia experiencia en el uso de medicamentos a nivel hospitalario. En la primera versión del software participó el estudiante Luis Oidor Juárez, egresado de la FCC.

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Categorías