Il prossimoProssima guida
L'intelligenza artificiale per i terapisti occupazionali
Industrie
GUIDA alle industrie
L’intelligenza artificiale in farmacogenomica significa utilizzare software, incluso l’apprendimento automatico, per trasformare i risultati dei test genetici di un paziente in previsioni su come elaboreranno o risponderanno a farmaci specifici, quindi abbinando tali previsioni alle linee guida di dosaggio pubblicate come le linee guida CPIC.
Ascolta questa guidaNarrato dall'IA · ~3 min
È importante perché alcune coppie gene-farmaco prevedono danni gravi o il fallimento del trattamento. Gli esempi includono CYP2C19 con clopidogrel e HLA-B*57:01 con abacavir. L'interpretazione automatizzata aiuta i farmacisti ad agire in base a questi risultati al momento della prescrizione.
La farmacogenomica studia come le differenze del DNA ereditato modificano la risposta ai farmaci. Un piccolo insieme di geni è responsabile della maggior parte dei risultati su cui è possibile agire oggi. CYP2D6, CYP2C19 e CYP2C9 codificano enzimi epatici che processano molti farmaci. VKORC1 influenza la sensibilità al warfarin. SLCO1B1 influenza il modo in cui le statine come la simvastatina raggiungono il fegato. TPMT e NUDT15 guidano il dosaggio della tiopurina, DPYD guida la chemioterapia con fluoropirimidine e alcune varianti HLA-B predicono gravi reazioni immunitarie a farmaci come abacavir e carbamazepina. L'interpretazione avviene per fasi. Il laboratorio identifica le varianti, le raggruppa in cosiddetti "alleli stellari" (catalogati da PharmVar) e assegna la coppia di alleli portati da una persona, chiamata diplotipo. Quel diplotipo viene poi tradotto in un fenotipo, come metabolizzatore scarso, intermedio, normale, rapido o ultrarapido. Il Clinical Pharmacogenetics Implementation Consortium (CPIC) pubblica linee guida sottoposte a revisione paritaria che trasformano i fenotipi in azioni di prescrizione. Le linee guida CPIC presuppongono che esista già un risultato del test. Spiegano cosa farne, non se ordinare il test. Il livello software svolge la maggior parte del lavoro quotidiano. I motori di regole nelle cartelle cliniche elettroniche controllano un nuovo ordine rispetto ai genotipi memorizzati e avvisano il prescrittore o il farmacista. L’apprendimento automatico viene utilizzato in modi più ristretti: prevedere se varianti rare e non caratterizzate riducono la funzione, individuare geni difficili dai dati di sequenziamento e modelli di ricerca che combinano la genetica con fattori clinici. I farmacisti fanno molto di più che leggere gli avvisi. Controllano la fenoconversione, dove un farmaco che il paziente già assume cambia il modo in cui funziona un enzima. Ad esempio, forti inibitori del CYP2D6 come la paroxetina o la fluoxetina possono far sì che un metabolizzatore geneticamente normale si comporti come un metabolizzatore lento. Un malinteso comune è che un pannello farmacogenomico dica quale antidepressivo funzionerà. Nella migliore delle ipotesi mostra come verranno elaborati alcuni farmaci, che è solo uno dei fattori per determinare se un farmaco aiuta.
Un cardiopatico a cui viene applicato uno stent risulta essere un lento metabolizzatore del CYP2C19. Un avviso nella cartella clinica elettronica informa il farmacista che il clopidogrel potrebbe non funzionare abbastanza bene e il team passa a un altro farmaco antipiastrinico.
Prima dell'intervento chirurgico di un bambino, il sistema di supporto decisionale dell'ospedale segnala che il bambino è un metabolizzatore ultrarapido del CYP2D6. Il farmacista consiglia un antidolorifico diverso dalla codeina, che potrebbe trasformarsi in quantità pericolose di morfina.
Un farmacista oncologico esamina un risultato DPYD prima che un paziente inizi una chemioterapia con fluoropirimidine come la capecitabina. Seguendo le linee guida CPIC, raccomanda una dose iniziale ridotta per un paziente con funzionalità DPYD ridotta.
Un laboratorio utilizza un algoritmo specializzato per identificare le varianti CYP2D6 dai dati di sequenziamento, comprese le copie dei geni e i geni ibridi, che spesso i semplici pannelli di test non rilevano. Quindi riporta un fenotipo su cui il software della clinica può agire.
In alcuni sistemi sanitari si stanno diffondendo i test preventivi, in cui un paziente viene genotipizzato una volta e i risultati vengono riutilizzati per prescrizioni future. Ciò rende più importanti la memorizzazione e la reinterpretazione accurate a lungo termine. L’apprendimento automatico per classificare varianti rare e identificare geni complessi sta migliorando, ma le nuove previsioni necessitano ancora di prove funzionali prima che le linee guida le adottino. Le linee guida dipendono dalle popolazioni studiate e molti gruppi di ascendenza sono sottorappresentati nei dati sottostanti. Ampliare tali prove probabilmente avrà la stessa importanza di algoritmi migliori. Il ruolo dei farmacisti nella spiegazione dei risultati e nel controllo delle interazioni farmacologiche dovrebbe aumentare man mano che i test si diffondono.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
L’intelligenza artificiale in farmacogenomica significa utilizzare software, incluso l’apprendimento automatico, per trasformare i risultati dei test genetici di un paziente in previsioni su come elaboreranno o risponderanno a farmaci specifici, quindi abbinando tali previsioni alle linee guida di dosaggio pubblicate come le linee guida CPIC. È importante perché alcune coppie gene-farmaco prevedono danni gravi o il fallimento del trattamento. Gli esempi includono CYP2C19 con clopidogrel e HLA-B*57:01 con abacavir. L'interpretazione automatizzata aiuta i farmacisti ad agire in base a questi risultati al momento della prescrizione.
Le linee guida CPIC presuppongono che il risultato esista e spiegano come agire di conseguenza. Non specificano se effettuare il test.
Forti inibitori del CYP2D6 come la paroxetina possono far sì che un normale metabolizzatore genetico si comporti come un metabolizzatore lento, modificando il comportamento degli altri farmaci processati dal CYP2D6.
Il CYP2D6 converte la codeina in morfina. I metabolizzatori ultrarapidi possono aumentare livelli pericolosi di morfina, quindi CPIC raccomanda un altro farmaco antidolorifico.
A ogni allele viene assegnato un valore di attività, ad esempio 0, 0,25, 0,5 o 1. I due alleli vengono sommati e le tabelle CPIC associano il totale a un fenotipo.
Le modifiche al numero di copia e gli ibridi CYP2D6-CYP2D7 confondono le pipeline standard, motivo per cui esistono chiamanti specializzati come Aldy, Stargazer e Cyrius.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L'intelligenza artificiale per i terapisti occupazionali
Industrie