Modelo identifica medicamentos que não devem ser tomados juntos
Usando machine learning, pesquisadores do MIT desenvolveram ferramenta que consegue prever quais medicamentos não devem ser tomados ao mesmo tempo.
Por MIT Technology Review Brasil
Sempre que ingerimos um medicamento via oral, ele necessariamente passa pelo revestimento do trato digestivo. Esse caminho é facilitado pelas chamadas proteínas transportadoras, presentes nas células que revestem o trato gastrointestinal. Embora as pesquisas saibam apontar quais proteínas exatamente atuam com cada droga, essa não é uma realidade para todo tipo de medicamento. Por isso, a identificação dos transportadores utilizados por medicamentos específicos pode ajudar a melhorar o tratamento de um paciente porque, se dois medicamentos dependem do mesmo transportador, eles podem interferir entre si e não devem ser prescritos em conjunto.
Foi pensando nesse desafio que pesquisadores do Instituto de Tecnologia de Massachusetts (MIT), do Brigham and Women's Hospital e da Duke University, desenvolveram uma estratégia para identificar os transportadores usados por diferentes medicamentos, usando modelos de tecidos e algoritmos com aprendizado de máquina.
“Um dos desafios na modelagem da absorção é que os medicamentos estão sujeitos a diferentes transportadores. Este estudo trata de como podemos modelar essas interações, o que poderia nos ajudar a tornar os medicamentos mais seguros e eficazes, e prever potenciais toxicidades que podem ter sido difíceis de prever até agora”, diz Giovanni Traverso, professor associado de engenharia mecânica no MIT, gastroenterologista do Brigham and Women's Hospital e autor do estudo.
O foco da pesquisa publicada na Nature Biomedical Engineering foi uma tríade de transportadores: BCRP, MRP2 e PgP. Os cientistas usaram um modelo de tecido intestinal de porco cultivado em laboratório, e a partir daí expuseram sistematicamente o tecido a 23 diferentes formulações de drogas para medir quão bem eles eram absorvidos, sempre tendo em vista o comportamento dos transportadores acima citados.
“Existem alguns caminhos que as drogas podem percorrer através dos tecidos, mas você não sabe qual caminho. Podemos fechar as estradas separadamente para descobrir: se fecharmos esta estrada, a droga ainda passa? Se a resposta for sim, então não é por esse caminho”, diz Traverso.
Com os dados dos testes, os cientistas treinaram um modelo de aprendizado de máquina para fazer previsões sobre quais medicamentos interagiriam com quais transportadores com base nas semelhanças entre as estruturas químicas dos medicamentos. O modelo pronto foi rodado com um novo conjunto de 28 medicamentos e outras 1.595 fórmulas experimentais. O resultado foi quase 2 milhões de previsões de potenciais interações medicamentosas. Entre elas, a doxiciclina, um antibiótico comumente prescrito, é descrita como tendo potencial interação com a varfarina, um anticoagulante – também comumente prescrito. O algoritmo previu ainda que a doxiciclina também tem potencial interação com a digoxina – usada para tratar insuficiência cardíaca; e que o levetiracetam, um medicamento anticonvulsivante, tem potencial interação com o imunossupressor tacrolimus.
Feitas as previsões, elas foram testadas em um grupo de cerca de 50 pacientes voluntários do Massachusetts General Hospital e do Brigham and Women's Hospital. A análise confirmou as previsões do modelo de que a absorção da doxiciclina é afetada pela digoxina, levetiracetam e tacrolimus; e demonstrou que quando a doxiciclina era administrada em pacientes que já tomavam varfarina, o nível de varfarina na corrente sanguínea desses pacientes aumentava e depois descia novamente após eles pararem de tomar doxiciclina.
Para os pesquisadores, além de identificar potenciais interações entre medicamentos já em uso, essa abordagem também pode ser aplicada a medicamentos em desenvolvimento, fazendo com que a indústria farmacêutica consiga ajustar a formulação de novas moléculas para evitar interações medicamentosas ou melhorar sua capacidade de absorção.
Este texto é um conteúdo adaptado, publicado originalmente pelo Instituto de Tecnologia de Massachusetts, nos Estados Unidos. Disponível em:
https://news.mit.edu/2024/new-model-identifies-drugs-shouldnt-be-taken-together-0220
GileadPro: BR-UNB-0850