La farmacogenómica tiene sentido, entonces, ¿por qué la industria farmacéutica no la utiliza?

La farmacogenómica (PGx) se encuentra ante una paradoja inusual. La evidencia científica está consolidada, las ventajas clínicas (y económicas) son innegables y, sin embargo, su adopción sigue siendo lenta, fragmentada y desigual.
 

Especialmente en los ensayos clínicos, el perfil farmacogenómico casi nunca se utiliza. Un análisis de ClinicalTrials.gov identificó solo 619 ensayos intervencionistas relacionados con la PGx de un total de 350 728 (~0,18 %), y menos de la mitad especificaba claramente qué genes se estaban estudiando, a pesar de que la PGx en los ensayos puede aportar varios beneficios muy prácticos:
 

Señal de eficacia más clara: menor variabilidad -> historia más clara de quién responde
y quién no Menos eventos de seguridad: identificar genotipos de alto riesgo de forma temprana -> menos reacciones adversas
evitables Menos fricciones en el ensayo: menos abandonos, menos medicación de rescate, menos «simulacros de incendio»
Mejor estrategia de dosificación en las primeras fases: la PGx ayuda a explicar los valores atípicos de PK/PD antes de que se conviertan en sorpresas de toxicidad limitante de la
dosis. Argumentación más sólida en la línea de meta: subgrupos definidos prospectivamente -> estrategia de etiquetado más defendible ante los pagadores
 

Para la mayoría de los equipos de desarrollo, la PGx sigue pareciendo algo que añade complejidad sin reducir claramente el riesgo: más ensayos, más coordinación, más cuestiones regulatorias, más cosas que pueden salir mal. Cuando los plazos son ajustados y el fracaso sale caro, el instinto es simplificar, no introducir otra variable, aunque esa variable sea médicamente relevante. Esa es precisamente la razón por la que la PGx ha tenido dificultades para pasar de ser una «buena idea» a una «infraestructura por defecto» en los ensayos clínicos.
Los informes de experiencia de los médicos también señalan que los paneles comerciales de PGx pueden pasar por alto genes clave con potencial terapéutico definidos por las directrices de CPIC/FDA/DPWG, al tiempo que incluyen variantes con escasa evidencia, lo que dificulta saber qué resultados son realmente útiles en la práctica. Incluso cuando se incluye el gen relevante, es posible que los paneles no capturen de forma sistemática todos los alelos clínicamente relevantes (como variantes del número de copias o estructuras híbridas), lo que puede dar lugar a una clasificación errónea de los metabolizadores entre los participantes.
 

Incluso cuando se utilizan pruebas de PGx, estas deben ajustarse a plazos de ensayo muy ajustados: programas como PREPARE exigían que los resultados se obtuvieran en unos 7 días para mantener su relevancia clínica, y en entornos reales, la implementación de PGx implica todo, desde la selección de genes y la traducción de fenotipos hasta la elaboración de informes, la lógica de CDS y la integración de HCE entre múltiples equipos. En la práctica, convertir los datos de secuenciación en fenotipos alineados con las directrices suele depender de procesos bioinformáticos especializados y de la infraestructura local, lo que introduce retrasos, dificultades de interpretación y variabilidad entre centros, y los médicos citan constantemente las limitaciones de tiempo y la compleja interpretación de los resultados como principales obstáculos.
 

La ironía es que el argumento más sólido a favor de la farmacogenómica ya se ha planteado. El estudio PREPARE demostró que la PGx preventiva reduce las reacciones adversas a los medicamentos clínicamente relevantes en aproximadamente un 30 %. Eso no es insignificante. Ese es el tipo de magnitud del efecto que la industria farmacéutica suele celebrar.
 

Pero PREPARE también demostró discretamente por qué la PGx aún no se ha generalizado: genotipado centralizado, plazos de entrega de varios días, gran coordinación, sobrecarga en el procesamiento de datos y paneles que nunca se diseñaron para ensayos globales y de rápida evolución.
En otras palabras, la biología funcionó. La logística, no.
Aquí es donde entra en juego DNA ME.
En DNA ME, abordamos la farmacogenómica en torno a la secuenciación por nanoporos con una solución de software eficiente y simplificada, porque esa combinación hace que, por fin, la PGx sea compatible con el funcionamiento real de los ensayos.
 

La secuenciación por nanoporos permite generar datos genéticos cerca del centro de ensayo en lugar de enviar muestras a un laboratorio centralizado. Y lo que es más importante, la secuenciación de lectura larga identifica los genes farmacológicos más relevantes (como el CYP2D6) sin las conjeturas y las clasificaciones erróneas que plagan la secuenciación tradicional de lectura corta

paneles. Pero la secuenciación es solo la mitad del proceso. La verdadera clave está en lo que ocurre una vez generados los datos.
 

DNA ME convierte las lecturas brutas en resultados farmacogenómicos estandarizados que son legibles por máquina y están listos para ensayos, sin necesidad de que expertos en bioinformática interpreten los resultados de la secuenciación. Los datos pueden incorporarse directamente al seguimiento de la seguridad, a las reglas de escalada de dosis o a la lógica de los ensayos adaptativos. Los análisis también pueden ejecutarse localmente en un ordenador portátil básico; no se necesitan GPU ni costosos equipos informáticos, y sin necesidad de cargar o enviar datos genéticos confidenciales de los participantes.
 

El flujo de trabajo basado en nanoporos de DNA ME también puede detectar la metilación CpG y la metilación específica de alelos directamente a partir de la misma secuenciación, añadiendo una capa funcional al perfil farmacogenómico sin ensayos adicionales ni procesamiento posterior. Esto permite identificar a los participantes cuyo metabolismo en el mundo real puede diferir de su genotipo previsto debido a la regulación epigenética de los farmacogenes, lo que ayuda a reducir los valores atípicos de exposición y a mejorar la clasificación de metabolizadores dentro del mismo proceso optimizado.
 

En el momento en que la PGx se vuelva rápida, asequible y operativamente invisible (integrada de la misma manera que lo están el muestreo farmacocinético o los laboratorios de seguridad), las empresas farmacéuticas dejarán de preguntarse si vale la pena hacerlo. La pregunta pasa a ser por qué aceptarían el riesgo de no hacerlo.

Si ha intentado integrar PGx en un ensayo, ¿cuál fue el mayor obstáculo: el coste, el tiempo de respuesta, las operaciones o la aceptación interna?

Tenemos curiosidad por saber qué están observando los equipos en la práctica.

(Y si desea un panel listo para ensayos + un flujo de trabajo de nanoporos «plug-and-play» adaptado a su activo, envíenos un mensaje a DNA ME y lo crearemos con usted).