Medicina personalizada

La medicina personalizada, también conocida como medicina de precisión, es un modelo médico que separa a las personas en diferentes grupos, con decisiones médicas, prácticas, intervenciones y/o productos que se adaptan al paciente individual en función de su respuesta prevista o riesgo de enfermedad. Los términos medicina personalizada, medicina de precisión, medicina estratificada y medicina P4 se usan indistintamente para describir este concepto, aunque algunos autores y organizaciones usan estas expresiones por separado para indicar matices particulares.

Si bien la adaptación del tratamiento a los pacientes se remonta al menos a la época de Hipócrates, el uso del término ha aumentado en los últimos años dado el crecimiento de nuevos enfoques de diagnóstico e informáticos que brindan comprensión de la base molecular de la enfermedad, particularmente la genómica. Esto proporciona una base de evidencia clara sobre la cual estratificar (agrupar) pacientes relacionados.

Entre los 14 Grandes Desafíos para la Ingeniería, iniciativa patrocinada por la Academia Nacional de Ingeniería (NAE), la medicina personalizada ha sido identificada como un enfoque clave y prospectivo para “lograr decisiones de salud individuales óptimas”, superando así el desafío de “Diseñar mejores medicamentos”.

Desarrollo de concepto

En la medicina personalizada, las pruebas de diagnóstico a menudo se emplean para seleccionar terapias apropiadas y óptimas basadas en el contexto del contenido genético de un paciente u otro análisis molecular o celular. El uso de la información genética ha desempeñado un papel importante en ciertos aspectos de la medicina personalizada (p. ej., la farmacogenómica), y el término se acuñó por primera vez en el contexto de la genética, aunque desde entonces se ha ampliado para abarcar todo tipo de medidas de personalización, incluido el uso de proteómica, análisis de imágenes, teranóstica basada en nanopartículas, entre otros.

Fondo

Lo esencial

Cada persona tiene una variación única del genoma humano. Aunque la mayor parte de la variación entre los individuos no tiene ningún efecto sobre la salud, la salud de un individuo se deriva de la variación genética con comportamientos e influencias del medio ambiente.

Los avances modernos en la medicina personalizada se basan en tecnología que confirma la biología fundamental, el ADN, el ARN o la proteína de un paciente, lo que en última instancia conduce a la confirmación de la enfermedad. Por ejemplo, técnicas personalizadas como la secuenciación del genoma pueden revelar mutaciones en el ADN que influyen en enfermedades que van desde la fibrosis quística hasta el cáncer. Otro método, llamado RNA-seq, puede mostrar qué moléculas de ARN están involucradas en enfermedades específicas. A diferencia del ADN, los niveles de ARN pueden cambiar en respuesta al medio ambiente. Por lo tanto, la secuenciación del ARN puede proporcionar una comprensión más amplia del estado de salud de una persona. Estudios recientes han relacionado las diferencias genéticas entre individuos con la expresión de ARN, la traducción y los niveles de proteína.

Los conceptos de medicina personalizada se pueden aplicar a enfoques nuevos y transformadores de la atención médica. La atención médica personalizada se basa en la dinámica de la biología de sistemas y utiliza herramientas predictivas para evaluar los riesgos para la salud y diseñar planes de salud personalizados para ayudar a los pacientes a mitigar los riesgos, prevenir enfermedades y tratarlas con precisión cuando ocurren. Los conceptos de atención médica personalizada están recibiendo una aceptación cada vez mayor con la Administración de Veteranos comprometiéndose con la atención personalizada y proactiva impulsada por el paciente para todos los veteranos. En algunos casos, la atención médica personalizada se puede adaptar al marcado del agente causante de la enfermedad en lugar del marcado genético del paciente; ejemplos son bacterias o virus resistentes a los medicamentos.

Método

Para que los médicos sepan si una mutación está relacionada con una determinada enfermedad, los investigadores a menudo realizan un estudio llamado "estudio de asociación del genoma completo" (GWAS). Un estudio GWAS analizará una enfermedad y luego secuenciará el genoma de muchos pacientes con esa enfermedad en particular para buscar mutaciones compartidas en el genoma. Las mutaciones que se determina que están relacionadas con una enfermedad mediante un estudio GWAS se pueden usar para diagnosticar esa enfermedad en futuros pacientes, observando su secuencia genómica para encontrar la misma mutación. El primer GWAS, realizado en 2005, estudió a pacientes con degeneración macular relacionada con la edad (ARMD).Encontró dos mutaciones diferentes, cada una de las cuales contenía solo una variación en un solo nucleótido (llamados polimorfismos de un solo nucleótido o SNP), que estaban asociadas con ARMD. Los estudios GWAS como este han tenido mucho éxito en la identificación de variaciones genéticas comunes asociadas con enfermedades. A principios de 2014, se han completado más de 1300 estudios GWAS.

Evaluación del riesgo de enfermedades

Múltiples genes influyen colectivamente en la probabilidad de desarrollar muchas enfermedades comunes y complejas. La medicina personalizada también se puede utilizar para predecir el riesgo de una persona de padecer una enfermedad en particular, en función de uno o incluso varios genes. Este enfoque utiliza la misma tecnología de secuenciación para centrarse en la evaluación del riesgo de enfermedad, lo que permite al médico iniciar un tratamiento preventivo antes de que la enfermedad se presente en su paciente. Por ejemplo, si se descubre que una mutación en el ADN aumenta el riesgo de que una persona desarrolle diabetes tipo 2, esta persona puede iniciar cambios en su estilo de vida que disminuirán sus posibilidades de desarrollar diabetes tipo 2 en el futuro.

Aplicaciones

Los avances en la medicina personalizada crearán un enfoque de tratamiento más unificado y específico para el individuo y su genoma. La medicina personalizada puede proporcionar mejores diagnósticos con una intervención más temprana y un desarrollo de fármacos más eficiente y terapias más específicas.

Diagnóstico e intervención

Tener la capacidad de mirar a un paciente de forma individual permitirá un diagnóstico más preciso y un plan de tratamiento específico. La genotipificación es el proceso de obtención de la secuencia de ADN de un individuo mediante el uso de ensayos biológicos. Al tener una cuenta detallada de la secuencia de ADN de un individuo, su genoma puede compararse con un genoma de referencia, como el del Proyecto Genoma Humano, para evaluar las variaciones genéticas existentes que pueden explicar posibles enfermedades. Varias empresas privadas, como 23andMe, Navigenics e Illumina, han creado una secuenciación del genoma directa al consumidor accesible al público.Tener esta información de los individuos se puede aplicar para tratarlos de manera efectiva. La composición genética de un individuo también juega un papel importante en la forma en que responde a un determinado tratamiento y, por lo tanto, conocer su contenido genético puede cambiar el tipo de tratamiento que recibe.

Un aspecto de esto es la farmacogenómica, que utiliza el genoma de un individuo para proporcionar una prescripción de medicamentos más informada y personalizada. A menudo, los medicamentos se prescriben con la idea de que funcionarán relativamente de la misma manera para todos, pero en la aplicación de los medicamentos, hay una serie de factores que deben tenerse en cuenta. La cuenta detallada de la información genética del individuo ayudará a prevenir eventos adversos, permitirá las dosis apropiadas y creará la máxima eficacia con las prescripciones de medicamentos. Por ejemplo, la warfarina es el anticoagulante oral aprobado por la FDA que suele recetarse a pacientes con coágulos sanguíneos. Debido a la importante variabilidad interindividual de la warfarina en la farmacocinética y la farmacodinámica, su tasa de eventos adversos se encuentra entre las más altas de todos los medicamentos comúnmente recetados.Sin embargo, con el descubrimiento de variantes polimórficas en los genotipos CYP2C9 y VKORC1, dos genes que codifican la respuesta anticoagulante individual, los médicos pueden usar el perfil genético de los pacientes para recetar dosis óptimas de warfarina para prevenir efectos secundarios como hemorragias importantes y permitir una mejor y más rápida eficacia terapéutica. El proceso farmacogenómico para el descubrimiento de variantes genéticas que predicen eventos adversos a un fármaco específico se ha denominado toxgnóstica.

Un aspecto de una plataforma teranóstica aplicada a la medicina personalizada puede ser el uso de pruebas diagnósticas para guiar la terapia. Las pruebas pueden incluir imágenes médicas como agentes de contraste de MRI (agentes T1 y T2), marcadores fluorescentes (tintes orgánicos y puntos cuánticos inorgánicos) y agentes de imágenes nucleares (marcadores de radio PET o agentes SPECT). o prueba de laboratorio in vitro que incluye secuenciación de ADN y, a menudo, involucra algoritmos de aprendizaje profundo que sopesan el resultado de las pruebas para varios biomarcadores.

Además del tratamiento específico, la medicina personalizada puede ser de gran ayuda para los avances de la atención preventiva. Por ejemplo, muchas mujeres ya están siendo genotipadas para ciertas mutaciones en el gen BRCA1 y BRCA2 si están predispuestas debido a antecedentes familiares de cáncer de mama o cáncer de ovario. A medida que se mapean más causas de enfermedades de acuerdo con las mutaciones que existen dentro de un genoma, más fácil se pueden identificar en un individuo. Entonces se pueden tomar medidas para prevenir el desarrollo de una enfermedad. Incluso si se encontraran mutaciones dentro de un genoma, tener los detalles de su ADN puede reducir el impacto o retrasar la aparición de ciertas enfermedades.Disponer del contenido genético de un individuo permitirá tomar decisiones mejor guiadas a la hora de determinar el origen de la enfermedad y así tratarla o prevenir su progresión. Esto será extremadamente útil para enfermedades como el Alzheimer o cánceres que se cree que están relacionados con ciertas mutaciones en nuestro ADN.

Una herramienta que se está utilizando ahora para probar la eficacia y la seguridad de un fármaco específico para un grupo/subgrupo de pacientes objetivo es el diagnóstico complementario. Esta tecnología es un ensayo que se desarrolla durante o después de que un medicamento esté disponible en el mercado y es útil para mejorar el tratamiento terapéutico disponible según el individuo. Estos diagnósticos complementarios han incorporado la información farmacogenómica relacionada con el medicamento en su etiqueta de prescripción en un esfuerzo por ayudar a tomar la decisión de tratamiento más óptima posible para el paciente.

Desarrollo y uso de fármacos

Tener la información genómica de un individuo puede ser importante en el proceso de desarrollo de medicamentos mientras esperan la aprobación de la FDA para uso público. Tener una cuenta detallada de la composición genética de un individuo puede ser una ventaja importante para decidir si un paciente puede ser elegido para su inclusión o exclusión en las etapas finales de un ensayo clínico. Ser capaz de identificar a los pacientes que se beneficiarán más de un ensayo clínico aumentará la seguridad de los pacientes de los resultados adversos causados ​​por el producto en las pruebas y permitirá ensayos más pequeños y más rápidos que conducirán a costos generales más bajos.Además, los medicamentos que se consideran ineficaces para la población en general pueden obtener la aprobación de la FDA mediante el uso de genomas personales para calificar la eficacia y la necesidad de ese medicamento o terapia específica, aunque solo lo necesite un pequeño porcentaje de la población.

Los médicos suelen utilizar una estrategia de prueba y error hasta que encuentran la terapia de tratamiento más eficaz para su paciente. Con la medicina personalizada, estos tratamientos se pueden adaptar de manera más específica al predecir cómo responderá el cuerpo de un individuo y si el tratamiento funcionará según su genoma. Esto se ha resumido como "terapia con el fármaco correcto en la dosis correcta en el paciente correcto". Este enfoque también sería más rentable y preciso.Por ejemplo, el tamoxifeno solía ser un medicamento comúnmente recetado a mujeres con cáncer de mama ER+, pero el 65 % de las mujeres que lo tomaban inicialmente desarrollaron resistencia. Después de la investigación de personas como David Flockhart, se descubrió que las mujeres con cierta mutación en su gen CYP2D6, un gen que codifica la enzima metabolizadora, no podían descomponer de manera eficiente el tamoxifeno, lo que lo convertía en un tratamiento ineficaz para ellas. Las mujeres ahora son genotipadas para estas mutaciones específicas para seleccionar el tratamiento más efectivo.

El cribado de estas mutaciones se lleva a cabo mediante cribado de alto rendimiento o cribado fenotípico. Varias compañías farmacéuticas y de descubrimiento de fármacos están utilizando actualmente estas tecnologías no solo para avanzar en el estudio de la medicina personalizada, sino también para ampliar la investigación genética. Los enfoques multiobjetivo alternativos al enfoque tradicional de selección de bibliotecas de transfección "directa" pueden implicar transfección inversa o quimiogenómica.

La composición farmacéutica es otra aplicación de la medicina personalizada. Aunque no necesariamente utilizando información genética, la producción personalizada de un fármaco cuyas diversas propiedades (por ejemplo, nivel de dosis, selección de ingredientes, vía de administración, etc.) se seleccionan y elaboran para un paciente individual se acepta como un área de la medicina personalizada (en contraste hasta dosis unitarias producidas en masa o combinaciones de dosis fijas). También se están desarrollando enfoques computacionales y matemáticos para predecir las interacciones farmacológicas. Por ejemplo, las superficies de respuesta fenotípica modelan las relaciones entre las drogas, sus interacciones y los biomarcadores de un individuo.

Un área activa de investigación es la entrega eficiente de medicamentos personalizados generados a partir de compuestos farmacéuticos a los sitios de enfermedad del cuerpo. Por ejemplo, los investigadores están tratando de diseñar nanotransportadores que puedan apuntar con precisión al sitio específico mediante el uso de imágenes en tiempo real y el análisis de la farmacodinámica de la administración del fármaco. Se están investigando varios nanoportadores candidatos, como nanopartículas de óxido de hierro, puntos cuánticos, nanotubos de carbono, nanopartículas de oro y nanopartículas de sílice. La alteración de la química de la superficie permite que estas nanopartículas se carguen con medicamentos, así como evitar la respuesta inmune del cuerpo, lo que hace posible la teranóstica basada en nanopartículas.Las estrategias de orientación de los nanoportadores varían según la enfermedad. Por ejemplo, si la enfermedad es cáncer, un enfoque común es identificar el biomarcador expresado en la superficie de las células cancerosas y cargar su vector de direccionamiento asociado en el nanoportador para lograr el reconocimiento y la unión; la escala de tamaño de los nanoportadores también se diseñará para alcanzar el efecto mejorado de permeabilidad y retención (EPR) en la orientación del tumor. Si la enfermedad se localiza en el órgano específico, como el riñón, la superficie de los nanoportadores se puede recubrir con un determinado ligando que se une a los receptores dentro de ese órgano para lograr la administración del fármaco dirigido al órgano y evitar la absorción no específica.A pesar del gran potencial de este sistema de administración de fármacos basado en nanopartículas, aún no se ha logrado un progreso significativo en el campo, y los nanotransportadores aún se están investigando y modificando para cumplir con los estándares clínicos.

Teranósticos

Theranostics es un enfoque personalizado para el tratamiento del cáncer, que utiliza moléculas similares tanto para la obtención de imágenes (diagnóstico) como para la terapia. La palabra "teranóstica" se deriva de la combinación de las palabras "terapéutica" y "diagnóstico". Ahora se aplica más comúnmente al campo de la medicina nuclear, donde las moléculas radiactivas se unen a emisores de positrones o gamma para imágenes SPECT o PET, y a electrones beta, alfa o Auger para terapia. Uno de los primeros ejemplos es el uso de yodo radiactivo para el tratamiento de pacientes con cáncer de tiroides. Otros ejemplos incluyen anticuerpos anti-CD20 radiomarcados (p. ej., Bexxar) para tratar linfoma, radio-223 para tratar metástasis óseas, lutecio-177 DOTATATO para tratar tumores neuroendocrinos y lutecio-177 PSMA para tratar cáncer de próstata.

Radioteranóstica

La radioteranóstica es una subespecialidad de la teranóstica que utiliza productos farmacéuticos similares tanto para la obtención de imágenes como para la terapia con radiación. El fármaco o el mecanismo de localización/acción sigue siendo el mismo: el radionúclido es intercambiable con el radiofármaco de diagnóstico, que suele ser un emisor gamma o PET, y el radiofármaco terapéutico suele ser un emisor beta o alfa. Los términos theranostics y theragnostics son términos intercambiables y ambos tienen el mismo significado e intención. Los términos similares radioteranóstica y radioteragnóstica también son intercambiables. Los términos se derivan de las palabras griegas "thera" de "therapeia" que significa curar o sanar, por ejemplo, terapia, y "gnóstico" del griego "gnos" que significa conocimiento y saber, por ejemplo, diagnóstico.

Proteómica respiratoria

Las enfermedades respiratorias afectan a la humanidad a nivel mundial, con enfermedades pulmonares crónicas (por ejemplo, asma, enfermedad pulmonar obstructiva crónica, fibrosis pulmonar idiopática, entre otras) y cáncer de pulmón que causan una gran morbilidad y mortalidad. Estas condiciones son muy heterogéneas y requieren un diagnóstico precoz. Sin embargo, los síntomas iniciales son inespecíficos y el diagnóstico clínico se realiza tardíamente con frecuencia. En los últimos años, la medicina personalizada ha surgido como un enfoque de atención médica que utiliza tecnología novedosa con el objetivo de personalizar los tratamientos de acuerdo con las necesidades médicas particulares del paciente. En concreto, la proteómica se utiliza para analizar una serie de expresiones de proteínas, en lugar de un único biomarcador.Las proteínas controlan las actividades biológicas del cuerpo, incluidas la salud y la enfermedad, por lo que la proteómica es útil en el diagnóstico temprano. En el caso de enfermedades respiratorias, la proteómica analiza varias muestras biológicas que incluyen suero, células sanguíneas, fluidos de lavado broncoalveolar (BAL), fluidos de lavado nasal (NLF), esputo, entre otros. La identificación y cuantificación de la expresión proteica completa de estas muestras biológicas se realiza mediante espectrometría de masas y técnicas analíticas avanzadas.La proteómica respiratoria ha logrado avances significativos en el desarrollo de la medicina personalizada para apoyar la atención médica en los últimos años. Por ejemplo, en un estudio realizado por Lazzari et al. en 2012, el enfoque basado en la proteómica logró una mejora sustancial en la identificación de múltiples biomarcadores de cáncer de pulmón que se pueden usar para diseñar tratamientos personalizados para pacientes individuales. Cada vez más estudios han demostrado la utilidad de la proteómica para proporcionar terapias dirigidas a las enfermedades respiratorias.

Genómica del cáncer

Durante las últimas décadas, la investigación del cáncer ha descubierto mucho sobre la variedad genética de los tipos de cáncer que parecen iguales en la patología tradicional. También ha habido una mayor conciencia de la heterogeneidad tumoral o la diversidad genética dentro de un solo tumor. Entre otras perspectivas, estos descubrimientos plantean la posibilidad de encontrar que fármacos que no han dado buenos resultados aplicados a una población general de casos, puedan tener éxito en una proporción de casos con perfiles genéticos particulares.

La "Oncogenómica Personalizada" es la aplicación de la medicina personalizada a la Genómica del Cáncer, u "oncogenómica". Los métodos de secuenciación de alto rendimiento se utilizan para caracterizar los genes asociados con el cáncer para comprender mejor la patología de la enfermedad y mejorar el desarrollo de fármacos. La oncogenómica es una de las ramas más prometedoras de la genómica, particularmente por sus implicaciones en la terapia farmacológica. Ejemplos de esto incluyen:

• Trastuzumab (nombres comerciales Herclon, Herceptin) es un fármaco de anticuerpo monoclonal que interfiere con el receptor HER2/neu. Su uso principal es para tratar ciertos tipos de cáncer de mama. Este medicamento solo se usa si se analiza el cáncer de un paciente para determinar la sobreexpresión del receptor HER2/neu. Se utilizan dos pruebas de tipificación de tejidos para evaluar a los pacientes en busca de un posible beneficio del tratamiento con Herceptin. Las pruebas de tejido son inmunohistoquímica (IHC) e hibridación in situ con fluorescencia (FISH) Solo los pacientes Her2+ serán tratados con la terapia Herceptin (trastuzumab)
• Los inhibidores de la tirosina cinasa, como imatinib (comercializado como Gleevec), se han desarrollado para tratar la leucemia mieloide crónica (LMC), en la que el gen de fusión BCR-ABL (el producto de una translocación recíproca entre el cromosoma 9 y el cromosoma 22) está presente en >95 % de los casos y produce una señalización de proteínas impulsada por abl hiperactivada. Estos medicamentos inhiben específicamente la proteína tirosina quinasa (ABL) de Ableson y, por lo tanto, son un excelente ejemplo de " diseño racional de medicamentos " basado en el conocimiento de la fisiopatología de la enfermedad.
• El informe FoundationOne CDx producido por Foundation Medicine, que analiza los genes en las biopsias de tumores de pacientes individuales y recomienda medicamentos específicos.
• Una alta carga de mutaciones es indicativa de una respuesta a la inmunoterapia, y también se han asociado patrones específicos de mutaciones con la exposición previa a fármacos citotóxicos contra el cáncer.

Detección de población

Mediante el uso de tecnologías de genómica (microarreglo), proteómica (arreglo de tejido) y de imágenes (fMRI, micro-CT), se puede obtener fácilmente información a escala molecular sobre los pacientes. Estos llamados biomarcadores moleculares han demostrado ser poderosos en el pronóstico de enfermedades, como el cáncer. Las tres áreas principales de predicción del cáncer se encuentran en la recurrencia del cáncer, la susceptibilidad al cáncer y la supervivencia al cáncer. La combinación de información a escala molecular con datos clínicos a macroescala, como el tipo de tumor de los pacientes y otros factores de riesgo, mejora significativamente el pronóstico. En consecuencia, dado el uso de biomarcadores moleculares, especialmente los genómicos, el pronóstico o predicción del cáncer se ha vuelto muy efectivo, especialmente cuando se realiza el cribado de una gran población.Esencialmente, la evaluación de la genómica de la población se puede utilizar para identificar a las personas en riesgo de contraer enfermedades, lo que puede ayudar en los esfuerzos preventivos.

Los datos genéticos se pueden usar para construir puntajes poligénicos, que estiman rasgos como el riesgo de enfermedad al sumar los efectos estimados de las variantes individuales descubiertas a través de un GWAS. Estos se han utilizado para una amplia variedad de condiciones, como el cáncer, la diabetes y la enfermedad de las arterias coronarias. Muchas variantes genéticas están asociadas con la ascendencia, y sigue siendo un desafío generar estimaciones precisas y desacoplar variantes biológicamente relevantes de aquellas que están asociadas coincidentemente. Las estimaciones generadas a partir de una población generalmente no se transfieren bien a otras, lo que requiere métodos sofisticados y datos más diversos y globales. La mayoría de los estudios han utilizado datos de personas con ascendencia europea, lo que ha llevado a pedir prácticas genómicas más equitativas para reducir las disparidades en la salud.Además, aunque las puntuaciones poligénicas tienen cierta precisión predictiva, sus interpretaciones se limitan a estimar el percentil de un individuo y se necesita investigación traslacional para uso clínico.

Desafíos

A medida que la medicina personalizada se practica más ampliamente, surgen una serie de desafíos. Los enfoques actuales de los derechos de propiedad intelectual, las políticas de reembolso, la privacidad del paciente, los sesgos y la confidencialidad de los datos, así como la supervisión regulatoria, deberán redefinirse y reestructurarse para adaptarse a los cambios que la medicina personalizada traerá a la atención médica. Por ejemplo, una encuesta realizada en el Reino Unido concluyó que el 63 % de los adultos del Reino Unido no se sienten cómodos con el uso de sus datos personales para utilizar la IA en el campo médico. Además, el análisis de los datos de diagnóstico adquiridos es un desafío reciente de la medicina personalizada y su implementación. Por ejemplo, los datos genéticos obtenidos a partir de la secuenciación de próxima generación requieren un procesamiento informático intensivo de los datos antes de su análisis. En el futuro, se requerirán herramientas adecuadas para acelerar la adopción de la medicina personalizada en otros campos de la medicina, lo que requiere la cooperación interdisciplinaria de expertos de campos de investigación específicos, como la medicina, la oncología clínica, la biología y la inteligencia artificial.

Supervisión regulatoria

La FDA ya ha comenzado a tomar iniciativas para integrar la medicina personalizada en sus políticas regulatorias. Un informe de la FDA de octubre de 2013 titulado " Pavimentando el camino para la medicina personalizada: el papel de la FDA en una nueva era de desarrollo de productos médicos ", en el que describieron los pasos que tendrían que seguir para integrar la información genética y de biomarcadores para el uso clínico y el desarrollo de fármacos.. Determinaron que tendrían que desarrollar estándares científicos regulatorios específicos, métodos de investigación, material de referencia y otras herramientas para incorporar la medicina personalizada en sus prácticas regulatorias actuales. Por ejemplo, están trabajando en una "biblioteca de referencia genómica" para que las agencias reguladoras comparen y prueben la validez de diferentes plataformas de secuenciación en un esfuerzo por mantener la confiabilidad. Un desafío importante para quienes regulan la medicina personalizada es una forma de demostrar su eficacia en relación con el estándar de atención actual. La nueva tecnología debe evaluarse tanto en términos de eficacia clínica como económica y, tal como está, las agencias reguladoras no tienen un método estandarizado.

Derechos de propiedad intelectual

Al igual que con cualquier innovación en medicina, la inversión y el interés en la medicina personalizada están influenciados por los derechos de propiedad intelectual. Ha habido mucha controversia con respecto a la protección de patentes para herramientas de diagnóstico, genes y biomarcadores. En junio de 2013, la Corte Suprema de EE. UU. dictaminó que los genes naturales no se pueden patentar, mientras que el “ADN sintético” editado o creado artificialmente sí se puede patentar. La Oficina de Patentes está revisando actualmente una serie de cuestiones relacionadas con las leyes de patentes para la medicina personalizada, como si las pruebas genéticas secundarias "confirmatorias" posteriores al diagnóstico inicial pueden tener inmunidad total de las leyes de patentes. Aquellos que se oponen a las patentes argumentan que las patentes sobre secuencias de ADN son un impedimento para la investigación en curso, mientras que los defensores señalan la exención de la investigación y enfatizan que las patentes son necesarias para atraer y proteger las inversiones financieras requeridas para la investigación comercial y el desarrollo y avance de los servicios ofrecidos.

Políticas de reembolso

Las políticas de reembolso deberán redefinirse para adaptarse a los cambios que traerá la medicina personalizada al sistema de salud. Algunos de los factores que se deben considerar son el nivel de eficacia de varias pruebas genéticas en la población general, la rentabilidad en relación con los beneficios, cómo lidiar con los sistemas de pago para condiciones extremadamente raras y cómo redefinir el concepto de seguro de “compartir”. riesgo” para incorporar el efecto del nuevo concepto de “factores de riesgo individuales”. El estudio, Barreras para el uso de la medicina personalizada en el cáncer de mama, tomó dos pruebas de diagnóstico diferentes que son BRACAnalysis y Oncotype DX. Estas pruebas tienen tiempos de respuesta de más de diez días, lo que da como resultado fallas en las pruebas y retrasos en los tratamientos. A los pacientes no se les reembolsa por estos retrasos, lo que da como resultado que no se ordenen las pruebas. En última instancia, esto lleva a que los pacientes tengan que pagar de su bolsillo los tratamientos porque las compañías de seguros no quieren aceptar los riesgos involucrados.

Privacidad y confidencialidad del paciente

Quizás el tema más crítico con la comercialización de la medicina personalizada es la protección de los pacientes. Uno de los problemas más importantes es el miedo y las posibles consecuencias para los pacientes que están predispuestos después de las pruebas genéticas o que no responden a ciertos tratamientos. Esto incluye los efectos psicológicos en los pacientes debido a los resultados de las pruebas genéticas. El derecho de los familiares que no consienten directamente es otro tema, considerando que las predisposiciones y riesgos genéticos son hereditarios. También habría que considerar las implicaciones para ciertos grupos étnicos y la presencia de un alelo común.

Además, podríamos referirnos al tema de la privacidad en todas las capas de la medicina personalizada, desde el descubrimiento hasta el tratamiento. Uno de los principales problemas es el consentimiento de los pacientes para que su información se utilice en algoritmos de pruebas genéticas, principalmente algoritmos de IA. El consentimiento de la institución que proporciona los datos que se utilizarán también es una preocupación importante. En 2008, se aprobó la Ley de No Discriminación por Información Genética (GINA, por sus siglas en inglés) en un esfuerzo por minimizar el miedo de los pacientes que participan en investigaciones genéticas al garantizar que los empleadores o las aseguradoras no hagan un uso indebido de su información genética. El 19 de febrero de 2015, la FDA emitió un comunicado de prensa titulado: "La FDA permite la comercialización de la primera prueba genética de portadores directa al consumidor para el síndrome de Bloom.

Sesgos de datos

Los sesgos de datos también juegan un papel integral en la medicina personalizada. Es importante asegurarse de que la muestra de genes que se analizan provenga de diferentes poblaciones. Esto es para garantizar que las muestras no presenten los mismos sesgos humanos que usamos en la toma de decisiones.

En consecuencia, si los algoritmos diseñados para la medicina personalizada están sesgados, el resultado del algoritmo también estará sesgado debido a la falta de pruebas genéticas en ciertas poblaciones. Por ejemplo, los resultados del Framingham Heart Study han dado lugar a resultados sesgados en la predicción del riesgo de enfermedad cardiovascular. Esto se debe a que la muestra se probó solo en personas blancas y cuando se aplicó a la población no blanca, los resultados estaban sesgados con sobreestimación y subestimación de los riesgos de enfermedad cardiovascular.

Implementación

Se deben abordar varios problemas antes de que se pueda implementar la medicina personalizada. Se ha analizado muy poco del genoma humano, e incluso si los proveedores de atención médica tuvieran acceso a la información genética completa de un paciente, muy poca de ella podría aprovecharse de manera efectiva en el tratamiento. También surgen desafíos cuando se procesan cantidades tan grandes de datos genéticos. Incluso con tasas de error tan bajas como 1 por 100 kilobases, el procesamiento de un genoma humano podría tener aproximadamente 30.000 errores.Esta cantidad de errores, especialmente cuando se trata de identificar marcadores específicos, puede dificultar los descubrimientos y la verificabilidad. Existen métodos para superar esto, pero son computacionalmente exigentes y costosos. También hay problemas desde el punto de vista de la eficacia, ya que una vez que se ha procesado el genoma, la función en las variaciones entre los genomas debe analizarse mediante estudios de todo el genoma. Si bien se puede predecir el impacto de los SNP descubiertos en este tipo de estudios, se debe trabajar más para controlar la gran cantidad de variación que puede ocurrir debido al tamaño del genoma que se está estudiando.Para avanzar efectivamente en esta área, se deben tomar medidas para garantizar que los datos que se analizan sean buenos, y se debe tener una visión más amplia en términos de analizar múltiples SNP para un fenotipo. El tema más acuciante que tiene la implementación de la medicina personalizada es aplicar los resultados del mapeo genético para mejorar el sistema de salud. Esto no solo se debe a la infraestructura y la tecnología requeridas para una base de datos centralizada de datos del genoma, sino que los médicos que tendrían acceso a estas herramientas probablemente no podrían aprovecharlas por completo. Para implementar realmente un sistema de salud de medicina personalizada, debe haber un cambio de extremo a extremo.