Bioinformatics Research

“Creem eines computacionals per a la detecció i la resposta a la COVID-19”

  • April 15th, 20
  • 4 mins de lectura
Covid-19 computació
Foto: Dr. Daniel Prieto-Alhambra

Alexis Molina i Laura Serra, dos alumnes del grau en Bioinformàtica, entrevisten al Dr. Daniel Prieto-Alhambra, professor de fàrmacoepidemiologia a la universitat d’Oxford, sobre els projectes que té en marxa al voltant de la Covid-19.

El Dr. Prieto-Alhambra és professor de farmacoepidemiologia a la universitat d’Oxford. Encapçala un projecte que, en temps rècord, s’ha organitzat per a fer ús del Big Data amb dades de pacients de tot el món per a desenvolupar eines computacionals per al pronòstic de la COVID-19 i analitzar la seguretat de diversos fàrmacs per al tractament dels pacients.

Tot i que és aviat encara per saber quin abast tindran els resultats de la seva recerca en el sector sanitari, la rapidesa i el caràcter col·laboratiu que envolten la iniciativa constaten l’esforç que la comunitat científica està fent arreu del món per a trobar solucions a aquesta epidèmia.

1) Tenim entès que el projecte en el que vostè i el seu equip es troben immersos ara té tres línies d’estudi. Ens les podria explicar breument?

Efectivament, utilitzem real world data (dades d’històries clíniques informatitzades, dades administratives de salut, etc.) per fer tres coses: descriure i caracteritzar els pacients amb COVID-19 i comparar-los amb pacients que pateixen malalties amb símptomes semblants com la grip; generar eines de predicció per establir el risc d’ingrés hospitalari i el risc d’ingrés a UCI; i estudiar la seguretat i efectivitat clínica de diversos medicaments que s’han proposat com possiblement efectius per tractar la COVID-19.

2) En quin estat es troba el projecte actualment?

Vam organitzar un study-a-thon de quatre dies per avançar tant com poguéssim. En aquells dies vam establir les bases per a col·laborar amb companys/es de gairebé 30 països, vam establir una xarxa de bases de dades i vam finalitzar un estudi per a cadascuna de les tres categories (mencionades a la resposta 1). També vam iniciar molts estudis més que ara mateix estan en marxa o en fase final de disseny.

3) És important que les eines que resultin fruit del projecte siguin fàcilment aplicables a hospitals i pacients. Quins passos estan donant per facilitar la seva implantació?

El primer pas és revisar les eines generades de forma completament data driven i fer-ne una interpretació clínica per, aleshores, crear eines que siguin útils per als usuaris (metges, gerents, pacients, etc). Per fer això és fonamental que col·laborin data scientists i clínics, i si pot ser, fins i tot pacients!

4) D’altra banda, quina resposta han tingut per part de les institucions mèdiques? Tenen constància d’algun centre que ja estigui fent servir aquesta eina per a analitzar les dades dels seus propis pacients?

És massa d’hora per avaluar això. Hem tingut contactes, però res s’ha concretat encara. Doneu-nos unes quantes setmanes més…

5) Ha comentat en entrevistes a altres mitjans que principalment fan servir dades de Corea del Sud, EUA i Regne Unit. Preveu que altre països els facilitin dades mèdiques per a poder generalitzar cada cop més els resultats o, al contrari, seran les regions i les seves institucions sanitàries qui facin un ús més local de l’eina?

Segur que sí, recopilarem dades de diverses fonts. Per començar, estem en negociacions amb companys/es de Catalunya i sóc optimista que puguin participar amb les dades de SIDIAP i de PADRIS/AQUAS.

6) Aquesta investigació ha mobilitzat a més de 300 científics d’arreu del món. En un projecte d’aquesta magnitud, com es coordinen els esforços dels diferents participants?

Va ser complicat, però alhora enriquidor. Efectivament, més de 300 científics de diferents disciplines i de prop de 30 països. Cal ser generós amb el temps i acurat amb la distribució de les tasques a completar. Tot en pro de l’eficiència.

7) En qüestió de setmanes heu pogut adaptar la vostra infraestructura i recerca a un projecte maratonià executat en pocs dies. Abans de dedicar els vostres recursos a aquesta epidèmia, en què es centrava la vostra línia d’investigació? Com han executat aquesta transició?

Jo sempre he fet recerca en l’àrea de real world evidence i, sobretot, en farmacoepidemiologia, que entraria dins de l’àrea de l’anàlisi d’efectivitat i seguretat de fàrmacs per al tractament de determinades malalties. No va ser gaire difícil obrir fronteres per cobrir una crisi com aquesta. Només va caldre molta feina, col·laboradors excel·lents i una comunitat molt forta al darrera.

8) El Big Data està jugant un paper clau en la cerca de solucions per aquesta pandèmia. Veurem un augment en la recol·lecció de dades hospitalàries, la creació d’eines predictives i la seva integració en els sistemes de salut durant els pròxims anys?

Espero que així sigui. Hem de generar eines que accelerin la detecció i la resposta a nous pics d’aquesta mateixa malaltia o d’altres que puguin sorgir en el futur. No tenim temps a perdre.

9) També en clau de futur, quina evolució veu a la situació en què ens trobem?

A Catalunya esteu arribant al pic, hi sereu en 1-2 setmanes. Al Regne Unit anem 1-2 setmanes darrere vostre. A partir d’aleshores, cal pensar com sortir del confinament sense causar nous pics epidèmics o rebrots. Caldrà molt cap i molta paciència. Però ens en sortirem. I espero que n’aprenguem alguna cosa…

 

Són molts els projectes que s’estan duent a terme aquestes setmanes amb l’objectiu d’aportar cadascun el seu gra de sorra en la recerca sobre el SARS-CoV-2. A nivell nacional, el consorci format per IrsiCaixa, el Barcelona Supercomputing Center i l’IRTA-CReSA lidera un projecte amb la intenció de crear anticossos, testar fàrmacs i desenvolupar una vacuna per combatre el virus. Una col·laboració multidisciplinar que uneix tècniques experimentals i mètodes computacionals, posant a disposició de la investigació els recursos del Marenostrum. En clau internacional, el projecte del Dr. Prieto-Alhambra promet accelerar la troballa d’un fàrmac efectiu per al tractament de la COVID-19 i optimitzar els ingressos hospitalaris, així com a les unitats de cures intensives, millorant la prognòsi dels infectats.

En ambdós exemples, machine learning, Big Data i modelatge estadístic són pilars fonamentals. Eines computacionals que, aplicades a dades biològiques, fan evident la rellevància de la bioinformàtica en les línies de recerca presents i futures.

 

Alexis Molina, estudiant del BDBI
Laura Serra, estudiant del BDBI

También te puede interesar