Un modelo matemático que predice la eficacia de los tratamientos farmacológicos para evitar infartos

Un nuevo modelo predictivo es capaz de anticipar varias combinaciones útiles de nuevos medicamentos, que podrían ayudar a tratar los ataques cardíacos, según investigadores.

Tras realizar pruebas con ratones, científicos lograron desarrollar un modelo matemático para acompañar los tratamientos para prevenir los infartos de miocardio, conocidos popularmente como ataques al corazón.

Un modelo predictivo para tratar y prevenir los infartos

Los infartos son eventos cardiovasculares causados principalmente ​​por obstrucciones en las arterias coronarias, o los vasos que suministran sangre al corazón. Estas afecciones, cada vez más comunes en la población, concentran una tasa de mortalidad de aproximadamente un 30 % de quienes la padecen. Pero incluso para aquellos que sobreviven, el daño que estos ataques infligen en los músculos del corazón es duradero y puede generar una inflamación peligrosa e incluso permanente en las áreas comprometidas del corazón.

El tratamiento propuesto para restaurar el flujo sanguíneo a estos pasajes bloqueados del corazón a menudo incluye cirugía y medicamentos, o lo que se conoce como terapia de reperfusión. Nicolae Moise, autor principal del estudio e investigador postdoctoral en  ingeniería biomédica en la Universidad Estatal de Ohio, Estados Unidos, comentó que el estudio presentado utiliza algoritmos matemáticos para evaluar la eficacia de los medicamentos empleados en el combate de la inflamación potencialmente letal que experimentan muchos pacientes después de un ataque.

“La biología y la medicina están comenzando a volverse más matemáticas”, señaló Moise. “Hay tantos datos que necesitas comenzar a integrarlos en algún tipo de marco”. Si bien Moise ha trabajado en otros modelos matemáticos de corazones de animales, comentó que el marco detallado en el documento actual es el esquema más detallado de infartos de miocardio en ratones jamás realizado.

Representado por una serie de ecuaciones diferenciales, el modelo que creó el equipo de Moise se hizo usando datos de estudios previos en animales. En medicina, las ecuaciones diferenciales se utilizan a menudo para controlar el crecimiento de enfermedades a través de un gráfico.

Pero este estudio optó por modelar cómo ciertas células imprescindibles para combatir las infecciones y combatir estas lesiones tóxicas en el corazón, reaccionan a cuatro fármacos diferentes durante un mes. Estos medicamentos fueron diseñados para suprimir el sistema inmunitario, con el propósito de no causar una inflamación tan dañina en las partes del corazón que resultaron dañadas.

Esta investigación se centró en la eficacia de los medicamentos una hora después de que los ratones fueran sometidos al tratamiento. Sus hallazgos mostraron que ciertas combinaciones de estos inhibidores de fármacos eran más eficaces que otras para reducir la inflamación. “En medicina, las matemáticas y las ecuaciones pueden describir estos sistemas”, dijo Moise. “Solo necesitas observar, y encontrarás reglas y una historia coherente entre ellas”. agregó el científico.

Dependiendo del estado de la salud con el que la persona sometida al tratamiento se presente, la recuperación de un ataque puede tardar entre seis y ocho meses. La calidad de la atención que reciben los pacientes en esas primeras semanas podría marcar la pauta de cuánto durará su camino hacia la recuperación. Además, en cuanto a la calidad de la atención, el investigador titular señaló que “con las terapias que estamos investigando en nuestro modelo, podemos mejorar el resultado del paciente, incluso con la mejor atención médica disponible”.

“Pasarán algunos años antes de que podamos integrar este tipo de enfoque en el trabajo clínico real”, comentó también Moise, en alusión a estos avances que de momento son netamente teóricos y sujetos a perfeccionamiento mediante estudios posteriores más profundos. “Pero lo que estamos haciendo es el primer paso hacia eso”, sentenció.

Si te ha gustado el contenido Invítanos a un café. ¡Gracias por seguir leyéndonos!