Contenidos
Charla «¿Qué sucede realmente al mezclar medicamentos?» de TEDMED 2015 en español.
Si toman dos medicamentos diferentes por dos razones diferentes, aquí hay un pensamiento aleccionador: El médico puede no entender completamente lo que sucede al combinarlos, ya que las interacciones entre medicamentos son muy difíciles de estudiar. En esta charla fascinante y accesible, Russ Altman muestra cómo los médicos están estudiando las interacciones inesperadas al combinar medicamentos y lo hacen mediante un recurso sorprendente: las consultas en los motores de búsqueda.
- Autor/a de la charla: Russ Altman
- Fecha de grabación: 2015-11-18
- Fecha de publicación: 2016-03-02
- Duración de «¿Qué sucede realmente al mezclar medicamentos?»: 881 segundos
Traducción de «¿Qué sucede realmente al mezclar medicamentos?» en español.
Uno va al médico y le hacen varias pruebas.
El médico determina que el colesterol está alto y que sería bueno tomar una medicación adecuada.
Así que le dan pastillas.
Uno tiene cierta confianza, el médico confía en que esto va a funcionar.
La empresa que lo creó hizo muchos estudios que revisó la FDA.
Lo analizaron cuidadosamente, con escepticismo, lo aprobaron.
Tienen una idea aproximada de cómo funciona, y de cuáles son aproximadamente los efectos secundarios.
Debería estar bien.
Uno tiene algo más que una conversación con su médico y al médico le preocupa un poco que uno esté desanimado, que no sea uno mismo, que no pueda disfrutar de las cosas de la vida tanto como antes.
El médico dice: «Sabes, creo que estás un poco deprimido.
Voy a recetarte otras pastillas».
Así que ahora hablamos de dos medicamentos.
También esta pastilla la han tomado millones de personas la farmacéutica hizo estudios, la FDA los revisó, todo bien.
Las cosas deberían ir bien.
Las cosas deberían ir bien.
Pero, esperen un momento.
¿Cuánto sabemos sobre cómo actúan las dos juntas?
Es difícil hacer un estudio así.
De hecho, no se suele hacer.
Dependemos de lo que llamamos «supervisión tras la comercialización», después de que salgan al mercado.
¿Cómo podemos averiguar si va a pasar algo malo al combinar dos medicamentos?
¿Y tres?
¿Cinco?
¿Siete?
Pregunten a quien quieran que tenga varios diagnósticos cuántos medicamentos toma.
¿Por qué me preocupo por esto?
Me preocupa en serio.
Soy informático y científico de datos y de verdad, en mi opinión, la única esperanza, única esperanza, para entender estas interacciones es usar muchas fuentes de datos diferentes para comprender cuándo se pueden usar las medicinas juntas con seguridad y cuando no es tan seguro.
Les contaré una historia sobre la ciencia de datos.
Comienza con mi estudiante Nick.
Vamos a llamarlo «Nick», porque ese es su nombre.
(Risas)
Nick era un joven estudiante.
Le dije: «Nick, tenemos que entender cómo funcionan las medicinas cómo funcionan juntas y cómo funcionan por separado, y no tenemos una gran visión.
Pero la FDA ha publicado una base de datos increíble.
Es una base de datos de reacciones adversas.
Literalmente, han puesto en la web abierta al público, todos pueden descargarla ahora mismo, cientos de miles de informes de efectos adversos de pacientes, médicos, empresas, farmacéuticos.
Y estos informes son bastante simples: contienen todas las enfermedades que tiene el paciente, las medicinas que toma y todas las reacciones adversas o efectos secundarios que ha tenido.
No son todas las reacciones adversas que están dándose hoy en EE.UU., pero son cientos y cientos de miles de medicamentos.
Así que le dije a Nick: «Vamos a considerar la glucosa.
La glucosa es muy importante y conocemos su relación con la diabetes.
Vamos a ver si podemos entender la respuesta de la glucosa.
Envié a Nick.
Nick regresó.
«Russ», dijo, «He creado un clasificador que examina los efectos secundarios de una medicina explorando esta base de datos, y puede mostrar si es probable que esa medicina cambie o no la glucosa».
Él lo hizo.
En un sentido, era sencillo.
Eligió las medicinas que sabemos que alteran la glucosa y un puñado de medicinas que no la alteran y dijo: «
¿En qué se diferencian los efectos secundarios?
¿Hay diferencias en el cansancio?
¿En el apetito?
¿En los hábitos urinarios?
» Todo se confabuló para darle un muy buen indicador.
Dijo: «Russ, puedo predecir con una precisión del 93 % si una medicina alterará la glucosa».
Dije: «Nick, eso es genial».
Es un estudiante joven, hay que cimentar su confianza.
«Pero hay un problema, Nick.
Todos los médicos del mundo conocen los medicamentos que alteran la glucosa, porque es fundamental para nuestra práctica.
Así que es genial, buen trabajo, pero en realidad no es tan interesante, definitivamente no publicable».
(Risas)
Él dijo: «Lo sé, Russ.
Sabía que dirías algo así».
Nick es inteligente.
Dijo: «Como sabía que lo dirías, hice otro experimento.
Estudié a gente en esa base de datos que tomaban ambas medicinas, y busqué marcas similares, señales de alteraciones de la glucosa, de gente que toma ambos medicamentos, pero cada medicina sola no altera la glucosa, pero juntas constaté un marcador fuerte».
Y dije: «Eres inteligente.
Buena idea.
Muéstrame la lista».
Hay muchas medicinas, no muy emocionante.
Pero lo que más me llamó la atención fue que en la lista había dos, paroxetina o Paxil, un antidepresivo; y pravastatina, o Pravachol, un medicamento para el colesterol.
Y dije: «Hay millones de estadounidenses que toman esos dos medicamentos».
De hecho, como vimos, 15 millones de estadounidenses toman paroxetina en este momento y estimamos que un millón toman las dos.
Un millón de personas podrían estar teniendo problemas con su glucosa si este aprendizaje automático en jerga generado en la base de datos de la FDA fuese válido.
Y dije: «Todavía no es publicable, aunque me encanta lo que hiciste con el aprendizaje automático en jerga pero en realidad no es una prueba irrefutable».
Así que tenemos que hacer algo más.
Entraremos en el historial clínico electrónico de Stanford.
Tenemos una copia lo que está bien para la investigación, eliminamos la información de identificación.
Y dije: «Veremos si la gente con ambos fármacos tiene problemas en sus niveles de glucosa».
Pero hay miles y miles de personas en los registros médicos de Stanford que toman paroxetina y pravastatina.
Necesitábamos pacientes especiales.
Necesitábamos pacientes con uno de ellos y con una medición de glucosa, luego el segundo con otra medición de glucosa, todo dentro de un período razonable de tiempo, algo así como dos meses.
Y cuando lo hicimos, encontramos 10 pacientes.
Sin embargo, 8 de 10 tuvieron un bache en sus niveles de glucosa cuando consiguieron la segunda P, a esto lo llamamos P y P, cuando consiguieron la segunda P.
Cualquiera de las dos podría ser la primera, lo que aparece, es que la glucosa subió a 20 mg por dl.
Así como un recordatorio, uno camina con normalidad, si no es diabético, con una glucosa de alrededor de 90.
Y si se pone hasta 120, 125, el médico empieza a pensar en un posible diagnóstico de diabetes.
Por eso un aumento de 20 es bastante significativo.
Le dije: «Nick, esto es genial.
Pero, lo siento, todavía no podemos publicar porque se trata de 10 pacientes y, en serio, no son suficientes pacientes».
Así que dijimos,
¿qué podemos hacer?
Llamaremos a nuestros amigos en Harvard y Vanderbilt, que también, de Harvard en Boston, Vanderbilt en Nashville, tienen registros médicos electrónicos similares a los nuestros.
Vamos a ver si pueden encontrar pacientes similares con una P, la otra P, las mediciones de glucosa en ese rango que necesitamos.
Dios los bendiga, Vanderbilt en una semana encontró 40 de estos pacientes, misma tendencia.
Harvard encontró 100 pacientes, la misma tendencia.
Al final, tuvimos 150 pacientes de tres diferentes centros médicos que nos decían que los pacientes que ingerían estos dos medicamentos tenían niveles de glucosa alterados de manera significativa.
Más interesante aún, dejamos de lado a los diabéticos, porque los diabéticos ya tienen alterada la glucosa.
Cuando analizamos, la glucosa de los diabéticos llegaba hasta 60 mg por dl, no solo a 20.
Este fue un gran logro, y dijimos: «Tenemos que publicar esto».
Hemos presentado el artículo.
Con toda la evidencia de los datos, datos de la FDA, datos de Stanford, datos de Vanderbilt, datos de la Universidad de Harvard.
No habíamos hecho ni un solo experimento real.
Pero estábamos nerviosos.
Mientras que el artículo estaba en revisión, Nick y yo fuimos al laboratorio.
Encontramos a alguien que sabía de cosas de laboratorio.
Yo no hago eso.
Me cuido de los pacientes, pero no trabajo con pipetas.
Nos mostraron cómo suministrar fármacos a los ratones.
Nos llevamos ratones y les dimos una P, paroxetina.
Dimos a otros pravastatina.
Y a un tercer grupo de ratones ambos fármacos.
Y la glucosa subió de 20 a 60 mg por dl en los ratones.
El artículo fue aceptado con base solo a la evidencia informática, pero hemos añadido una pequeña nota al final, comentando que si se da esto a los ratones, sube la glucosa.
Eso fue genial, y la historia podría haber terminado ahí.
Pero todavía tengo seis minutos y medio.
(Risas)
Así que sentados pensando en todo esto, no recuerdo quién pensó en ello, pero alguien dijo: «Me pregunto si los pacientes que toman ambos fármacos notan efectos secundarios por hiperglucemia.
Podrían y deberían notarlos.
¿Cómo lo podríamos comprobar?
» Dijimos, bueno,
¿qué hace uno?
Uno toma un medicamento, uno o dos nuevos medicamentos, y tiene una sensación extraña.
¿Qué hace?
Uno va a Google y teclea uno o los dos medicamentos que esté tomando y teclea «efectos secundarios».
¿Qué estás experimentando?
Así que dijimos bien, pediremos a Google que comparta sus registros de búsqueda con nosotros, para poder mirar los registros de búsqueda y ver si los pacientes hacen este tipo de búsquedas.
Google, siento decirlo, denegó nuestra petición.
Así que estaba devastado.
En una cena con un colega que trabaja en Microsoft Research dije: «Queríamos hacer este estudio, Google dijo que no, es triste».
Él dijo: «Bueno, tenemos las búsquedas de Bing».
(Risas)
Sí.
Eso es genial.
Me sentí como si estuviera…
(Risas)
Me sentí como si estuviera hablando con Nick de nuevo.
Él trabaja para una de las empresas más grandes del mundo, y ya estaba intentando hacerle sentir bien.
Sin embargo, dijo, «No, Russ, creo que no entiendes.
No solo tenemos las búsquedas de Bing, pues si usas Internet Explorer para hacer búsquedas en Google, Yahoo, Bing, cualquiera…
Mantenemos los datos solo con fines de investigación 18 meses».
Le dije: «¡Así se habla!» Este era Eric Horvitz, mi amigo en Microsoft.
Así que hicimos un estudio donde definimos 50 palabras que una persona normal puede escribir si sufre hiperglucemia, como «fatiga», «pérdida de apetito», «orinar mucho», «mear mucho», perdóname, pero esa es una de las cosas que se puede teclear.
Así que teníamos 50 frases que llamamos «palabras de la diabetes».
Y lo hicimos por primera vez como línea de partida.
Y resulta que alrededor del 0,5 al 1 % de todas las búsquedas en Internet implican una de esas palabras.
Así que esa es nuestra tasa de referencia.
Si la gente escribe «paroxetina» o «Paxil», que son sinónimos, y una de esas palabras, la tasa sube a aproximadamente 2 % de las palabras de tipo diabetes, Si ya se sabe que está la palabra «paroxetina».
Si es «pravastatina», la tasa sube a un 3 % en la línea de partida.
Si están «paroxetina» y «pravastatina» presentes en la consulta, sube a 10 %, un aumento enorme de tres a cuatro veces en esas búsquedas con los dos fármacos que nos interesan y las palabras de tipo diabetes o palabras de tipo hiperglucemia.
Hemos publicado esto, y obtuvo algo de atención.
La razón por la que merece la atención es que los pacientes nos dicen sus efectos secundarios indirectamente a través de sus búsquedas.
Llamamos la atención de la FDA.
Ellos estaban interesados.
Se han aplicado programas de vigilancia en los medios sociales para colaborar con Microsoft, que tenía una bonita infraestructura para hacer esto, y otros, mirando los datos en Twitter, los datos en Facebook, mirando los registros de búsqueda, para ver los primeros signos de que los fármacos ya sea individualmente o en conjunto, están causando problemas.
¿Qué sacamos de esto?
¿Por qué contar esta historia?
Bueno, en primer lugar, tenemos la promesa de grandes volúmenes de datos y de tamaño mediano para ayudarnos a entender las interacciones entre medicamentos y, esencialmente, sus efectos.
¿Cómo funcionan los medicamentos?
Esto creará y ha creado un nuevo ecosistema para comprender cómo funcionan los medicamentos y optimizar su uso.
Nick continuó; él es profesor de la Universidad de Columbia ahora.
Ha hecho esto en su tesis doctoral con cientos de pares de medicamentos.
Encontró varias interacciones muy importantes, y lo replicamos y hemos demostrado que esta es una manera que realmente funciona para la búsqueda de interacciones fármaco-fármaco.
Sin embargo, hay algunas salvedades.
No nos limitamos a usar pares de medicamentos.
Como he dicho antes, hay pacientes con tres, cinco, siete, nueve medicamentos.
¿Cómo estudiamos su interacción de nueve maneras?
Sí, podemos hacerlo de a pares A y B, A y C, A y D, pero
¿qué pasa con A, B, C, D, E, F, G todos juntos, en el mismo paciente, tal vez interactúan entre sí de manera que, o bien los hace más eficaces o menos eficaces o causa efectos secundarios inesperados?
Realmente no tenemos idea.
Es un campo fértil, abierto al uso de datos para tratar de comprender la interacción de los fármacos.
Dos lecciones más: Quiero que piensen en el poder que hemos generado con datos de personas que han presentado reacciones adversas a través de sus farmacéuticos, de ellos mismos y de sus médicos, personas que permitieron usar las bases de datos de la Universidad de Stanford, Harvard, Vanderbilt, para la investigación.
La gente está preocupada por los datos.
Está preocupada por su privacidad y la seguridad y deben estarlo.
Necesitamos sistemas seguros.
Pero no podemos tener un sistema que se cierre a los datos, porque es una fuente demasiado rica de inspiración, innovación y descubrimiento para cosas nuevas en la medicina.
Y lo último que quiero decir es, en este caso encontramos dos fármacos, una historia triste.
Los dos fármacos causaban realmente problemas.
aumentaban la glucosa.
Podían llevar a alguien a la diabetes que de otra manera no tendría diabetes, y por eso uno debe usar ambos medicamentos juntos con mucho cuidado, o tal vez no juntos, o puede tomar decisiones diferentes al recetar.
Pero había otra posibilidad.
Podríamos haber encontrado dos fármacos o tres que interactuaban de manera beneficiosa.
Podríamos haber encontrado nuevos efectos de los medicamentos que ninguno de ellos tiene por sí solo, pero en conjunto, en lugar de causar un efecto secundario, podrían ser un tratamiento novedoso para enfermedades que no tienen tratamientos o en los que los tratamientos no son efectivos.
Si pensamos en el tratamiento actual con medicamentos, todos los grandes avances para el VIH, la tuberculosis, la depresión, la diabetes…
siempre son un cóctel de fármacos.
Y eso sería tema para una charla TED otro día: cómo podemos usar las mismas fuentes de datos para encontrar buenos efectos de los fármacos combinados que nos brinden nuevos tratamientos, nuevos conocimientos sobre cómo funcionan los fármacos y nos permitan cuidar de nuestros pacientes aún mejor.
Muchas gracias.
(Aplausos)
https://www.ted.com/talks/russ_altman_what_really_happens_when_you_mix_medications/