UNIVERSIDAD CARLOS III DE MADRID

Cada año se publican en el ámbito de la unos 300.000 artículos, por lo que el personal médico está desbordado ante tal avalancha de información

Estudian cómo utilizar técnicas de Procesamiento de Lenguaje Natural para desarrollar herramientas que logren encontrar de forma automática las interacciones analizando estos enormes volúmenes de información

Nuestra sociedad consume muchos fármacos y existe una fuerte tendencia a la polifarmacia o la politerapia… además de afectar a la seguridad del paciente, estas interacciones farmacológicas conllevan un importante incremento en el gasto médico.

Un grupo de investigadoras de la Universidad Carlos III de Madrid (UC3M) ha coordinado recientemente un concurso científico internacional sobre técnicas de extracción de información para detectar con mayor precisión las interacciones farmacológicas descritas en textos biomédicos.

Una interacción farmacológica ocurre cuando los efectos de un fármaco se modifican por la presencia de otro. Las consecuencias pueden ser perjudiciales si la interacción causa un aumento de la toxicidad del fármaco o la disminución de su efecto, lo que, en los peores casos, puede conducir incluso a la muerte del paciente. En la actualidad existen bases de datos para chequear posibles interacciones entre los fármacos administrados al paciente, pero el principal problema es que muchas interacciones no están recogidas en estas bases de datos, ya que sus periodos de actualización pueden durar hasta tres años. “Por tanto, la literatura biomédica sigue siendo el mejor sistema para estar al día en lo que se refiere a la información sobre nuevas interacciones. Es importante resaltar que cada año se publican, solo en el ámbito de la farmacología, unos 300.000 artículos relacionados, por lo que el personal médico está desbordado ante tal avalancha de información”, comenta una de las investigadoras, Isabel Segura, del Laboratorio de Bases de Datos Avanzadas (LaBDA) de la UC3M.

Para intentar resolver este problema, estudian desde hace años cómo utilizar técnicas de Procesamiento de Lenguaje Natural (PLN) para desarrollar herramientas que logren encontrar de forma automática las interacciones analizando estos enormes volúmenes de información. “A la hora de crear un sistema para detectar interacciones entre fármacos se enfrentan a la riqueza del lenguaje humano y la dificultad que entraña un texto científico”, explica Isabel Segura. El reto radica en conseguir diseñar un sistema capaz de “entender” el lenguaje técnico empleado en los textos biomédicos y que sea capaz de procesar las estructuras gramaticales complejas y la terminología propia del dominio.

Para ello ha participado junto a Paloma Martínez y María Herrero en la organización de la última edición de SemEval (Semantic Evaluation), una competición anual dedicada a la evaluación de los sistemas de PLN dedicados al tratamiento de la información semántica en distintos tipos de tareas. En su caso, han coordinado una tarea de evaluación de sistemas dedicados a la detección de interacciones farmacológicas descritas en las publicaciones científicas. “En este tipo de competiciones, se proporciona una serie de recursos que permiten a los investigadores poder construir sus sistemas, evaluarlos y, por supuesto, compararlos con los sistemas de otros investigadores”, explica Isabel Segura, que destaca la importancia que tienen estos eventos para saber en qué momento se encuentra la ciencia y la tecnología a la hora de resolver un determinado problema.

En la competición, que tuvo lugar durante el pasado mes de junio en Atlanta (EEUU), participaron catorce equipos de investigación de países como Alemania, España, EEUU, Finlandia, Italia o Portugal. “Dentro de las catorce tareas que se organizaban en SemEval, la nuestra fue la segunda con mayor número de participantes y estamos muy contentas con los resultados”, comentan las investigadoras. De hecho, los sistemas presentados consiguieron una mejora sustancial respecto a otros años, pues llegaron a alcanzar una precisión del 83% y una cobertura de casi el 84%. De esta manera, señalan, ya consiguen ser herramientas útiles que pueden ayudar a clínicos, investigadores y a la industria farmacéutica a filtrar la gran cantidad de información publicada sobre interacciones farmacológicas.

Un paso necesario para la extracción de interacciones es identificar previamente los fármacos que participan en la interacción. Los equipos participantes lograron mejores resultados en el reconocimiento de medicamentos genéricos, fármacos comerciales y en familias de fármacos, mientras que fallaron más en las sustancias activas no aprobadas para uso humano. En cuanto a la clasificación de cada tipo, se observó que los fármacos comerciales eran más fáciles de reconocer que el resto de tipos. Esto podría deberse al hecho de que, cuando un medicamento es comercializado por una compañía farmacéutica, el nombre de la marca se selecciona cuidadosamente para que resulte a la vez corto, único y fácil de recordar. Por otro lado, los fármacos no aprobados para uso humano implican más dificultad, debido a la mayor variación y complejidad de su denominación. Respecto a la tarea de extracción de interacciones, los sistemas tuvieron más problemas a la hora de procesar aquellas oraciones que describían información relacionada con el mecanismo de la interacción.

En la actualidad, nuestra sociedad consume muchos fármacos y existe una fuerte tendencia a la polifarmacia (preparados con dos o más principios activos) o la politerapia (combinación de dos o más fármacos). Ambos son factores que influyen en la aparición de interacciones farmacológicas, ya que, cuantos más fármacos toma un paciente, mayor es la probabilidad de que se produzca una interacción adversa. Los principales grupos de riesgo son las personas mayores y enfermos polimedicados. En nuestro país, la población mayor de 65 años supone un 11.37 % con una media de prescripción de cuatro fármacos y el número de fármacos prescritos aumenta con la edad del paciente. Además de afectar a la seguridad del paciente, estas interacciones farmacológicas conllevan un importante incremento en el gasto médico.

Estas investigadoras del LaBDA de la UC3M llevan más de diez años trabajando en PLN y más de un lustro centrándose en el desarrollo de sistemas de este tipo para el dominio biomédico. Han liderado varios proyectos de investigación en este ámbito, como MultiMedica, un proyecto financiado por el Plan Nacional de I+D cuyo objetivo es el desarrollo de técnicas para la recuperación y extracción de información en textos biomédicos. En los próximos meses empezarán a trabajar en el proyecto europeo TrendMiner (Large-scale, Cross-lingual Trend Mining and Summarisation of Real-time media Streams), cuyo objetivo es aplicar técnicas de generación de resúmenes y de extracción de información de medios sociales en distintos dominios (financiero, político, salud, etc.). Uno de los escenarios de evaluación será tratar de detectar efectos adversos desconocidos de fármacos, es decir, aquellos que no fueron detectados durante los ensayos clínicos ni han sido registrados en ningún informe de la Agencia Europea de Medicamentos. “Para ello lo que haremos será procesar los mensajes que muchos pacientes suelen poner en foros y redes sociales sobre interacciones entre medicamentos y efectos adversos”, adelanta Paloma Martínez, la responsable del LaBDA.

Más información:

Extraction of Drug-Drug Interactions from Biomedical Texts (DDIExtraction 2013)
Autoras: Isabel Segura Bedmar, Paloma Martínez, María Herrero Zazo. UC3M
SemEval-2013 Task 9. HYPERLINK “http://www.cs.york.ac.uk/semeval-2013/task9/” http://www.cs.york.ac.uk/semeval-2013/task9/

The DDI corpus: An annotated corpus with pharmacological substances and drug-drug interactions. Autores: María Herrero Zazo, Isabel Segura-Bedmar, Paloma Martínez, Thierry Declerck. Journal of Biomedical Informatics, 2013, 46(5): 914-920

Etiquetado con:

Noticia clasificada como: Investigación universitariaUniversidades de Madrid

Te gustó este artículo? Subscríbete a mi RSS feed