Interceptar la hepatotoxicidad antes de los ensayos en humanos: un modelo hepático digital de IA supera el primer paso de la evaluación de cualificación de la FDA

Antes de que un fármaco entre en ensayos de fase 1 en humanos, los equipos de desarrollo deben responder una pregunta difícil: ¿una molécula que parece segura en estudios con animales y células podría dañar el hígado en humanos? La Administración de Alimentos y Medicamentos de Estados Unidos (FDA) ha incorporado la carta de intención del «modelo hepático digital» de Absentia Labs al programa de cualificación de herramientas para el desarrollo de fármacos ISTAND, con lo que una herramienta que utiliza inteligencia artificial para predecir la lesión hepática inducida por fármacos entra por primera vez en esta vía formal de evaluación.

La herramienta está dirigida a candidatos de molécula pequeña que aún no han entrado en ensayos en humanos. Según la FDA, el modelo compara la estructura química de los nuevos candidatos con la de fármacos históricos de referencia cuyo riesgo de lesión hepática es conocido, para ayudar a evaluar posibles peligros. El desarrollador afirma que el sistema también integra biología mecanística e IA entrenada con datos de respuesta a fármacos, con el objetivo de captar la hepatotoxicidad derivada de la interacción entre factores como el metabolismo, la respuesta inmunitaria, la dosis y la exposición.

La lesión hepática inducida por fármacos es una de las principales causas de interrupción de ensayos clínicos y de fracaso en el desarrollo de nuevos medicamentos, mientras que los modelos actuales en animales, in vitro e informáticos tienen dificultades para reproducir con precisión la respuesta humana. Por ello, el valor práctico del modelo digital no consiste en emitir un «certificado de seguridad», sino en aportar otra fuente de evidencia para decidir entre candidatos: qué moléculas requieren ensayos adicionales, ajustes en el diseño de la dosis o no deberían seguir avanzando hacia la fase 1 clínica.

La FDA prevé que, si la herramienta obtiene finalmente la cualificación, se utilizará junto con otros datos no clínicos de seguridad hepática para conformar una evaluación integral de la evidencia, en lugar de decidir por sí sola si un candidato puede entrar en ensayos en humanos. Este planteamiento también implica que los aspectos centrales de la evaluación posterior serán si el modelo puede mantener un rendimiento fiable con diferentes estructuras químicas, mecanismos de acción y condiciones de exposición, y cómo se definirá su ámbito de aplicación.

El avance actual se limita al primer paso de un proceso de tres etapas: la aceptación de la carta de intención por parte de la FDA indica que vale la pena seguir evaluando la herramienta, pero no equivale a que haya completado la cualificación, demostrado eficacia clínica ni recibido el respaldo del regulador. Absentia aún deberá presentar un plan de cualificación y, posteriormente, un paquete completo de datos de cualificación; solo después de superar todo el proceso podrán las compañías farmacéuticas utilizar la herramienta dentro del contexto de uso autorizado.

La empresa también afirma que su modelo fue seleccionado como uno de los ganadores del desafío de precisionFDA para la predicción de hepatotoxicidad en animales y que está desarrollando otros modelos de biología humana. Sin embargo, los resultados del concurso se referían a la modelización de la hepatotoxicidad en animales y no pueden demostrar directamente que el modelo prediga con precisión la lesión hepática inducida por fármacos en humanos. Los datos públicos disponibles tampoco revelan el tamaño del conjunto de datos de entrenamiento, el rendimiento de la validación externa ni la tasa de errores. Estas lagunas de evidencia son precisamente la clave para determinar si el hígado digital puede pasar de ser una herramienta auxiliar prometedora a una herramienta regulatoria reutilizable.