KAIST (presidente Kwang Hyung Lee) anunció el día 16 que una tecnología avanzada de predicción de interacción de medicamentos basada en IA desarrollada por el equipo de investigación del distinguido profesor Sang Yup Lee en el Departamento de Ingeniería Bioquímica que analizó la interacción entre los ingredientes de PaxlovidTM que se utilizan como COVID -19 tratamiento y otros medicamentos recetados se publicó como tesis. Este artículo se publicó en la edición en línea de 「Proceedings of the National Academy of Sciences of America」 (PNAS), una revista académica de renombre internacional, el 13 de marzo.
* Título de la tesis: Predicción computacional de interacciones entre Paxlovid y medicamentos recetados (Escrito por Yeji Kim (KAIST, coautor principal), Jae Yong Ryu (Universidad de Mujeres de Duksung, coautor principal), Hyun Uk Kim (KAIST, coautor principal) autor), y Sang Yup Lee (KAIST, autor correspondiente))
En este estudio, el equipo de investigación desarrolló DeepDDI2, una versión avanzada de DeepDDI, un modelo de predicción de interacciones farmacológicas basado en IA que desarrollaron en 2018. DeepDDI2 puede calcular y procesar un total de 113 tipos de interacciones farmacológicas (DDI), más que los 86 tipos de DDI cubiertos por el DeepDDI existente.
El equipo de investigación usó DeepDDI2 para predecir posibles interacciones entre los ingredientes (ritonavir, nirmatrelvir) de Paxlovid*, un tratamiento para el COVID-19 y otros medicamentos recetados. El equipo de investigación dijo que, si bien entre los pacientes con COVID-19, es probable que los pacientes de alto riesgo con enfermedades crónicas como presión arterial alta y diabetes estén tomando otros medicamentos, las interacciones farmacológicas y las reacciones adversas a los medicamentos de Paxlovid no se han analizado suficientemente. todavía. Este estudio se llevó a cabo a la luz de ver cómo el uso continuado del fármaco puede provocar complicaciones graves e indeseadas.
* Paxlovid: Paxlovid es un tratamiento COVID-19 desarrollado por Pfizer, una compañía farmacéutica estadounidense, y recibió la aprobación de uso de emergencia (EUA) de la Administración de Drogas y Alimentos de los EE. UU. (FDA) en diciembre de 2021.
El equipo de investigación utilizó DeepDDI2 para predecir cómo los componentes de Paxrovid, ritonavir y nirmatrelvir, interactuarían con 2248 medicamentos recetados. Como resultado de la predicción, se predijo que el ritonavir interactuaría con 1403 medicamentos recetados y el nirmatrelvir con 673 medicamentos.
Utilizando los resultados de la predicción, el equipo de investigación propuso fármacos alternativos con el mismo mecanismo pero con un bajo potencial de interacción farmacológica para los fármacos recetados con un alto número de eventos adversos (ADE, por sus siglas en inglés). En consecuencia, se identificaron 124 fármacos alternativos que podrían reducir la posible DDI adversa con ritonavir y 239 fármacos alternativos al nirmatrelvir.
A través de este logro de investigación, se hizo posible utilizar una tecnología de aprendizaje profundo para predecir con precisión las interacciones farmacológicas (DDI), y se espera que esto desempeñe un papel importante en las industrias farmacéutica, de medicina de precisión y de atención médica digital al proporcionar información útil en el proceso de desarrollo de nuevos medicamentos y elaboración de recetas.
El distinguido profesor Sang Yup Lee dijo: “Los resultados de este estudio son significativos en momentos como cuando tendríamos que recurrir al uso de medicamentos que se desarrollan rápidamente ante situaciones urgentes como la pandemia de COVID-19, que es ahora es posible identificar y tomar las medidas necesarias contra las reacciones adversas a los medicamentos causadas por las interacciones entre medicamentos muy rápidamente”.
Esta investigación se llevó a cabo con el apoyo del Proyecto KAIST New-Deal para la Ciencia y Tecnología COVID-19 y el Proyecto de Desarrollo de Tecnología Bio·Médica apoyado por el Ministerio de Ciencia y TIC.
