free - IBERO-NBIC @ Inicio

Transcrição

Capítulo 1. Hoja de ruta de la nanotecnología aplicada a la salud, energía y medioambiente en Iberoamérica
Albert Figueras. Centro de Investigación en Nanociencia y Nanotecnología (CIN2-CSIC), Barcelona (España)
Capítulo 2. Nanotecnologia aplicada à saúde
Bartira Rossi Bergmann. Instituto de Biofísica Carlos Chagas Filho - Universidade Federal do Rio de Janeiro (Brasil)
Capítulo 3. Identificando nuevos medicamentos a través de la Bioinformática
Raúl Isea. Fundación Instituto de Estudios Avanzados IDEA (Venezuela).
Capítulo 4. Predicción del Cáncer Colorrectal y de Mama con Grafos
Cristian R. Munteanu et col. Dept. Tecnologías de la Información y las Comunicaciones - Universidade da Coruña (España)
Capítulo 5. Expansão de Termos de Pesquisa usando Redes de Conceitos Associadas a Genes
Joel Arrais et col. Universidade de Aveiro - IEETA/DETI (Portugal)
Capítulo 6. La Proteómica y su Utilidad en Investigación Biomédica
Cristina Ruiz-Romero et col. Instituto de Investigación Biomédica de A Coruña - INIBIC (España)
Capítulo 7. Aplicación de Técnicas Computacionales al Análisis de Imágenes de Geles 2D
Ana Freire et col. Dept. Tecnologías de la Información y las Comunicaciones - Universidade da Coruña (España)
Capítulo 8. Manejo de Pacientes y Formación de Clínicos en el Hospital Italiano de Buenos Aires
desde la Perspectiva de las NBIC
Fernan Gonzalez et col. Departamento de Información Hospitalaria – Hospital Italiano de Buenos Aires (Argentina)
Capítulo 9. Procesos educativos, redes sociales y aplicaciones a la difusion de conocimiento
Alvaro Margolis et col. EviMed – Servicios de InFormación y Conocimiento (Uruguay)
Capítulo 10. Aplicaciones médicas de las Nanotecnologías en relación con las otras tecnologías NBIC
Jose M. Vázquez et cool. Universidade da Coruña & Instituto de Salud Carlos III (España)
XACOBEO 2010
Galicia
instituto de
investigación biomédica
de a coruña
Red Temática de Biomedicina
Computacioonal
Red Gallega de Bioinformática
Nuevas Fronteras Tecnológicas. Redes NANOROADMAP e IBERO-NBIC
Contenidos
Aguiló J., Figueras A., Freire A.,
Martín F., Munteanu C.R., Pazos A.
NANOROADMAP
Nuevas Fronteras Tecnológicas
Redes NANOROADMAP e IBERO-NBIC
Aguiló, J.
Figueras, A.
Freire, A.
Martín, F.
Munteanu, C.R.
Pazos, A.
Nuevas Fronteras Tecnológicas
Redes NANOROADMAP e IBERO-NBIC
JORDI AGUILÓ LLOBET
ALBERT FIGUERAS DAGÀ
ANA MARÍA FREIRE VEIGA
FERNANDO MARTÍN SÁNCHEZ
CRISTIAN ROBERT MUNTEANU
ALEJANDRO PAZOS SIERRA
2010
Lestrove - A Coruña, 2009
FICHA EDITORIAL
AGUILÓ LLOBET, Jordi
FIGUERAS DAGÀ, Albert
FREIRE VEIGA, Ana María
MARTÍN SÁNCHEZ, Fernando
MUNTEANU, Cristian Robert
PAZOS SIERRA, Alejandro
Autores: Albert Figueras, Bartira Rossi Bergmann, Raúl Isea, Cristian R. Munteanu, Juan
R. Rabuñal, Javier Pereira, Joel Arrais, Sérgio Matos, José L. Oliveira, Cristina RuizRomero, Francisco J. Blanco, Alejandro Pazos, Ana Freire, José A. Seoane, Julián Dorado,
Fernan G. Bernaldo, Daniel Luna, Paula Otero, Sonia Benítez, Carlos Otero, Álvaro
Margolis, Antonio López, José M. Vázquez, Fernando Martín, Marcos Martínez, Francisco
J. Nóvoa.
Ilustración y Maquetado: Ana Freire
ISBN. 978-84-96023-82-6
Reservados todos los derechos. De conformidad con lo dispuesto en el artículo 534 bis del Código
Penal vigente, podrán ser castigados con penas de multa y privación de libertad los que, sin la
preceptiva autorización, reprodujeran o plagiaran, en todo o en parte, una obra literaria, artística o
científica fijada en cualquier tipo de soporte.
Edita Ciencia y Tecnología para el Desarrollo (CYTED)
Amaniel, 4 - 28015 Madrid
Tel.: 91 5316213
Fax: 91 5227845
[email protected]
www.cyted.org
Copyright: Ciencia y Tecnología para el Desarrollo (CYTED)
Imprime: Tórculo, Artes Gráficas. A Coruña
I.S.B.N.: 978-84-96023-82-6
Depósito Legal.: C 1181-2010
2
PRÓLOGO INSTITUCIONAL XUNTA DE GALICIA
Las
redes
de
investigación
cooperativa
suponen
una
excelente oportunidad para la colaboración entre grupos de
investigación. Las líneas de investigación consolidadas, la
producción
científica
infraestructuras
por
y
parte
la
utilización
de
un
compartida
elevado
número
de
de
investigadores son resultados relevantes de estas iniciativas.
Una organización reticular y horizontal de la investigación, en
la que se comparten, para un fin común, los recursos
humanos, tecnológicos y materiales existentes, aumenta la
calidad de nuestros resultados y reduce los costes para su
obtención. Desde la administración pública no podemos dejar
de apoyar con nuestro mayor entusiasmo este tipo de
iniciativas.
Redes
temáticas como las que son objeto de este libro,
NANOROADMAP e IBERO-NBIC, en las que convergen una
amplia comunidad de científicos y tecnólogos del ámbito
iberoamericano, ofrecen además la oportunidad de fomentar
las sinergias entre países hermanos, disciplinas afines y
metodologías comunes, prestando especial interés al impacto
social de estos nuevos desarrollos.
3
En los últimos años hemos asistido a la aparición de la
nanotecnología como área puntera de investigación. Es una
tecnología aplicada que se espera que dé lugar a cambios
mayores
en
muchos
sectores
de
la
sociedad.
Las
nanotecnologías prometen beneficios de todo tipo y en todos
los ámbitos, desde aplicaciones médicas nuevas o más
eficientes
a
soluciones
de
problemas
industriales
o
ambientales, y muchos otros. Es una línea de investigación
prioritaria tanto en América y Europa como en España, si bien
aún queda un largo camino por recorrer. Como el Camino de
Santiago, vale la pena hacerlo.
El conocimiento ha de crear riqueza, y la transferencia de ese
conocimiento debe contribuir a mejorar la calidad de vida de
todos. La Comisión Europea ha afirmado que la Convergencia
Tecnológica es “la mayor iniciativa de investigación del Siglo
XXI”. Aunque el área NBIC se encuentra en sus inicios, se
puede afirmar con seguridad que será un campo muy
relevante de investigación y desarrollo, con considerables
repercusiones sociales. Supone una nueva forma de entender
la función de la ciencia como creadora de riqueza y de
desarrollo económico para el conjunto de la ciudadanía.
4
En Galicia hemos acogido con sumo interés esta reunión de la
red NANOROADMAP e IBERO-NBIC. Estaremos atentos a sus
contribuciones, que esperamos contribuyan a la mejora de la
calidad y condiciones de vida de todos los ciudadanos.
Mª Pilar Farjas Abadía
(Conselleira de Sanidad de la Xunta de Galicia)
5
6
PRÓLOGO INSTITUCIONAL CYTED
A pesar de que el término Tecnologías Convergentes o el
acrónimo
Tecnologías
NBIC,
por
Nano-Bio-Info-Cogno
Tecnologías, ya no nos sorprende, sigue infundiendo respeto.
Es así porque en buena parte somos conscientes de su
complejidad inherente y en buena parte porque ninguno de
nosotros está seguro de comprenderlo totalmente.
A partir de la segunda mitad del siglo XX, no cabe duda que
las TIC contribuyeron decisivamente
a una transformación
profunda de la vida cotidiana. Desde hace unas décadas, la
biotecnología está transformando también nuestra sociedad
introduciendo
cambios
espectaculares
en
agricultura,
reproducción humana y animal, diagnóstico y tratamiento
médico, etc. Hoy estamos ya totalmente inmersos en la era de
la
nanotecnología:
alimentos,
bebidas,
combustibles,
medicamentos, cosméticos, capsulas, herramientas, pinturas,
bombillas y hasta sabores y olores encuentran su futuro en esta
tecnología
capaz
de
manipular
la
materia
a
escala
nanométrica y explotar las nuevas propiedades que se
presentan en dimensiones inferiores a los 100nm.
Neurociencia y neurotecnología emergen como un desafío en
el que implantes electrónicos y determinadas modificaciones
7
físicas podrán mejorar nuestras capacidades. Una nueva
“ingeniería de la mente y del cuerpo”, o para la mente
y para el cuerpo como se prefiere mencionar en Europa,
capaz de actuar produciendo cambios en el entorno
cognitivo del individuo que puede incidir tanto en la salud
individual como los mecanismos de la toma de decisiones y
con ello en el comportamiento social individual y colectivo.
Es claro y totalmente aceptado que la convergencia de estas
tecnologías
es
profundamente
transformadora
y
que
constituirá una de las iniciativas de investigación más
importantes del siglo XXI. Sin embargo, si cada una de estas
tecnologías ha creado y sigue creando controversia y
ansiedad (privacidad, libertad individual, ética, toxicidad,
cambio global, desarrollo sostenible) es indudable que su
convergencia plantea un desafío todavía más importante y
no sólo para la comunidad de investigación sino también a los
responsables políticos y a la sociedad en general ya que
promete transformar todos los aspectos de la vida.
Esperemos que esta red cuyo objetivo es estudiar el IMPACTO
SOCIAL
DE
IBEROAMERICA
LAS
TECNOLOGIAS
CONVERGENTES,
EN
arroje luz sobre esta temática y contribuya
positivamente a la divulgación, a su comprensión y que ayude
8
a la sociedad iberoamericana a posicionarse correctamente
ante este enorme e imparable desafío.
Fernando Aldana Mayor
(Secretario General de CYTED)
9
10
TABLA DE CONTENIDOS
Introducción .......................................................................................... 13
Capítulo 1
Hoja de ruta de la nanotecnología aplicada a la salud, energía y
medioambiente en Iberoamérica. .......................................................... 20
Capítulo 2
Nanotecnologia aplicada à saúde .......................................................... 33
Capítulo 3
Identificando nuevos medicamentos a través de la Bioinformática ...... 61
Capítulo 4
Predicción del Cáncer Colorrectal y de Mama con Grafos ................... 70
Capítulo 5
Expansão de Termos de Pesquisa usando Redes de Conceitos
Associadas a Genes ............................................................................... 90
11
Capítulo 6
La Proteómica y su Utilidad en Investigación Biomédica .................. 108
Capítulo 7
Aplicación de Técnicas Computacionales al Análisis de Imágenes de
Geles 2D ............................................................................................. 118
Capítulo 8
Manejo de Pacientes y Formación de Clínicos en el Hospital Italiano de
Buenos Aires desde la Perspectiva de las NBIC. ................................ 144
Capítulo 9
Procesos educativos, redes sociales y aplicaciones a la difusion de
conocimiento ....................................................................................... 172
Capítulo 10
Aplicaciones médicas de las nanotecnologías en relación con las otras
tecnologías NBIC ................................................................................ 190
Apéndice I .................................................................................. 210
Apéndice II ................................................................................. 213
12
INTRODUCCIÓN
El recorrido de este libro tiene parada en los cuatro pilares
NBIC. Cada capítulo se ha centrado en una o varias de estas
tecnologías, con el propósito de ofrecer una visión general de
la labor de investigación que hoy en día se está desarrollando
para conseguir implantar en la sociedad cada una de estas
perspectivas.
De este modo, el propósito del primer capítulo es establecer
las bases de la implantación de las tecnologías NBIC en
Iberoamérica. Los ámbitos que se analizan son: energía,
medio ambiente y salud. Una vez presentados los objetivos y
beneficios esperados, se define un plan de difusión y las
acciones de seguimiento y evaluación.
En el siguiente capítulo, Nanotecnología aplicada à saúde, se
hace
un
recorrido
sobre
las
aplicaciones
de
la
nanotecnología en biomedicina, especialmente en lo que a
los mecanismos de liberación de fármacos se refiere. El alto
coste del desarrollo de nuevos medicamentos provoca que
las nanotecnologías orientadas a la liberación de fármacos
sean
una
de
las
líneas
de
nano-biomedicina
más
prometedoras. La liberación de fármacos consiste en llevar el
fármaco a la región donde debe actuar y a las células
13
afectadas, limitando por tanto sus efectos de toxicidad sobre
el resto del organismo, ya que además se controla la
liberación del principio activo de manera exacta. Los
principales
sistemas
de
liberación
controlada
son
los
liposomas, las nanopartículas poliméricas, las ciclodextrinas, los
dendrímeros y las denominadas nanoparticulas inteligentes.
Asimismo, se explica un caso especial de uso de liberación de
drogas en la Leishmaniasis utilizando los dendrímeros o los
liposomas.
A lo largo del tercer capítulo se indican los diferentes desafíos
computacionales que están presentes en cada una de las
etapas involucradas en la identificación de nuevos fármacos.
En primer lugar, se señalan los desafíos computacionales
implicados en la selección de las secuencias genéticas que
están relacionadas con una determinada enfermedad;
posteriormente se indica cómo validar dicha información a
través de la búsqueda de similitudes en bases de datos.
Finalmente, se explica el proceso de selección de fármacos a
través
de
una
metodología
computacional
llamada
“Docking” y se muestra un caso modelo empleado contra la
malaria gracias a una iniciativa “WISDOM”.
La predicción del cáncer colorrectal y de mama con grafos se
expone en el capítulo cuarto. Un grafo es una representación
14
simbólica de una red, mediante el uso de nodos y enlaces. En
este capítulo se presentan los grafos como técnica para
estudiar la relación entre secuencias de proteínas o señales
del espectro de masas con respecto al cáncer. Además, los
autores presentan aplicaciones que están desarrollando para
trabajar con grafos, como S2SNet, que transforma cualquier
secuencia de caracteres en índices topológicos de grafos tipo
estrella. Asimismo, están desarrollando también un portal web
denominado Bio-AIMS, que permite la implementación de
modelos matemáticos publicados basados en grafos. Se
presentan resultados obtenidos en el estudio del cáncer de
mama y el cáncer colorrectal.
La parte INFO de las NBIC es el objetivo del capítulo Expansão
de
Termos
de
Pesquisa
usando
Redes
de
Conceitos
Associadas a Genes. En los últimos años, los investigadores
tienen cada vez más información biomédica disponible, las
bases de datos crecen exponencialmente y se publican cada
vez más trabajos. Este crecimiento dificulta la tarea de
mantener al investigador actualizado, por lo que existe una
necesitad de proporcionar al investigador herramientas para
obtener la información más relevante para su investigación.
En este capítulo, se describe QueExt (Query Expansion Tool),
una aplicación que permite la indexación y recuperación de
información procedente de la base de datos MEDLINE,
15
presentando los resultados ordenados teniendo en cuenta su
relación con un conjunto específico de genes. Además, esta
aplicación realiza una expansión de términos de búsqueda
basada en redes de conceptos biológicos, con el objetivo de
abarcar más posibilidades.
Se introduce la investigación proteómica en el capítulo 6,
ligándolo posteriormente a las técnicas computacionales en
el capítulo 7. El análisis de imágenes de proteómica se utiliza
cada vez más en el campo de la Biomedicina, con el objetivo
de realizar estudios de asociación entre la expresión de cada
proteína y una determinada enfermedad o efecto de algún
medicamento. En el capítulo sexto, se recoge desde el origen
de la proteómica hasta las técnicas más punteras actuales
para la obtención y el análisis de muestras de proteínas. Entre
estas técnicas, se destaca la electroforesis bidimensional, que
realiza la separación de las moléculas presentes en una
muestra, que ha sido colocada en un gel de poliacrilamida.
Una vez separadas las proteínas según su carga y masa
molecular, se obtiene una imagen o mapa proteómico donde
pueden ser identificadas las distintas proteínas. Este capítulo
sirve de introducción para el siguiente, que presenta un
método innovador de análisis de este tipo de imágenes de
geles 2D.
16
Para el estudio de las imágenes se hacen esenciales técnicas
automáticas computacionales que solventen la variabilidad
existente entre estas imágenes y aceleren su análisis. En el
capítulo séptimo, se presenta un método basado en técnicas
de Visión Artificial, que identifica las proteínas marcadas en
una imagen a lo largo de otras imágenes del mismo tipo de
muestra. Este método se ha probado con notable éxito en
imágenes reales de proteómica, de diferentes niveles de
dificultad a la hora de establecer la correspondencia entre las
proteínas. Se presenta una comparación de los resultados
obtenidos con respecto a otros publicados, observando una
notable mejora en las tasas de acierto.
El capítulo titulado Manejo de Pacientes y Formación de
Clínicos en el Hospital Italiano de Buenos Aires desde la
Perspectiva de las NBIC resalta las ramas Info y Cogno. Tras
presentar la estructura y flujo de trabajo del Hospital Italiano
de Buenos Aires, se explica el programa de gestión de
pacientes con enfermedades crónicas. En este punto, se
plantean los objetivos de dicho programa y el flujo de trabajo.
Asimismo, se explica un programa de educación médica
continua, cuyo propósito es mantener al personal médico
informado y actualizado en todo momento, gracias a una
plataforma educativa accesible desde la Historia Clínica
Electrónica y a la realización de cursos de diversa índole. De
17
esta forma, se pretende que tanto la información como el
conocimiento estén siempre accesibles y en la mejor forma
posible.
La parte COGNO de las NBIC es el eje del capítulo 9: Procesos
educativos, redes sociales y aplicaciones a la difusión de
conocimiento. El conocimiento es la disciplina de las NBIC en
la que se centra este capítulo. Así, se hace patente la
necesidad de la difusión del conocimiento no sólo entre
médicos, sino entre pacientes. Para ello, se presentan dos
aplicaciones reales de la plataforma EviMed cuyo objetivo es
favorecer la educación médica continua y la transferencia de
información al paciente. El objetivo último de este capítulo es
presentar los beneficios que EviMed podría aportar a la red
IBERO-NBIC, tanto en la transferencia de información como en
la mejor gestión del conocimiento.
El último capítulo pone el broche final al libro, por lo que en él
se ofrece una visión general de las tecnologías NBIC, y más
concretamente de las nanotecnologías. El avance en estos
campos ha permitido que cada vez se pueda profundizar más
a la hora de establecer un diagnóstico, implantar un
tratamiento y controlar la evolución de una patología. Los
recientes avances en medicina son, en gran parte y cada vez
más, debidos a la aplicación de este tipo de tecnologías, que
18
ofrecen innumerables ventajas y abren nuevas perspectivas
en
el
diagnóstico,
tratamiento,
seguimiento,
prevención de multitud de enfermedades.
19
control
y
Capítulo 1
HOJA DE RUTA DE LA NANOTECNOLOGÍA APLICADA A LA
SALUD, ENERGÍA Y MEDIOAMBIENTE EN IBEROAMÉRICA
Albert Figueras, coordinador del proyecto, Director
E-mail: [email protected]
www.nanoroadmap-cyted.com
Centro de Investigación en Nanociencia y Nanotecnología
(CIN2-CSIC) - Barcelona (España)
1.1
PARTICIPANTES EN EL PROYECTO
Nº de grupos de Investigación:
Nº total de investigadores:
Nº de empresas que participan:
Nº de países participantes:
6
24
2
4
GRUPOS:
1 - CIN2
Coordinador: Albert Figueras Dagà, Director del CIN2 (España)
Investigadores:
Guillaume Sauthier (Francia)
José Santiso (España)
Eniko Gyorgy (Rumanía)
20
2 - ASCAMM
Coordinador: Ricardo Jiménez Buendía, Director del ASCAMM
(España)
Investigadores:
Xavier Plantà (España)
Esther Hurtós Casals (España)
3 - IPICIT
Coordinador: Mauricio Terrones Maldonado, Investigador
titular del IPICYT (México)
Investigadores:
Humberto Terrones Maldonado (México)
Florentino López Urías (México)
Emilio Muñoz Sandoval (México)
4 - UDEA
Coordinadora: Consuelo Montes de Correa, Profesora titular
de la UDEA (Colombia)
Investigadores:
Aída Luz Villa (Colombia)
Felipe Bustamante (Colombia)
Beatriz Aristizábal (Colombia)
Lina María González (Colombia)
5 – UFRJ
Coordinadora: Bartira Rossi-Bergmann, Profesor Asociado de la
UFRJ (Brasil)
Investigadores:
María Inés Ré (Brasil)
Silvia S. Guterres (Brasil)
Camila A.B. Falçao (Brasil)
Eduardo Pinto (Brasil)
6 - BWCV
Coordinador: Laszlo Bax, Socio fundador y director del BWCV
(Países Bajos)
Investigadores:
José Conde (España)
Carlos Escolano (España)
21
1.2
OBJETIVOS
El objetivo general del proyecto es el de realizar un ejercicio
de prospectiva para definir unos escenarios coherentes y una
hoja de ruta crítica para aplicaciones nanotecnológicas en
energía
(aplicaciones
fotovoltaicas),
medio
ambiente
(remediación de aguas) y salud (nanomedicina) junto con los
nuevos materiales que son apropiados y necesarios para su
desarrollo. Especial énfasis se dedicará en el roadmap a la
identificación de convergencias de las nuevas tecnologías
NBIC.
1.2.1 Nanotecnología en energía: aplicaciones fotovoltaicas
Células solares nanoestructuradas (poliméricas):
Graëtzel y células solares Orgánicas-Inorgánicas
Dentro de este epígrafe se incluyen los siguientes temas:
- Fabricación de Células Solares de Colorante Sólido y los
mecanismos de degradación química y estructural que les son
propios.
- Modificación de la estructura electrónica del óxido
semiconductor mediante dopaje químico. Extensión de la
absorción luminosa del material hacia la radiación visible.
- Influencia de la atmósfera que la contiene en sus
prestaciones.
22
- Condiciones de irradiación (ultravioleta y ultravioleta más
visible).
- Estudios de espectroscopia electroquímica e impedancia
compleja.
Figura 1.1: Nanotecnología en energía
1.2.2 Medio Ambiente
La descontaminación de compuestos orgánicos se puede
conseguir mediante la utilización de un semiconductor
activado por fotones de la energía adecuada.
23
Figura 1.2: Representación de los procesos que ocurren en un
SC tras su activación
El óxido de titanio, TiO2 con estructura cristalográfica anatasa,
es el material idóneo para este tipo de aplicaciones debido a
que entre sus propiedades más destacadas se encuentra su
estabilidad química, su reducido precio y su inocuidad
biológica. Su “band gap” electrónico evaluado en 3.2 eV
significa que el material presentará una buena absorción en el
rango de la radiación ultravioleta (Ver Fig. 1.3).
Figura 1.3
24
En los procesos fotodegradativos normalmente el óxido de
titanio se usa en forma de suspensión acuosa, lo que implica
necesariamente una filtración posterior para su eliminación
cuando haya terminado.
La nanoestructuración del
TiO2 y su dopaje (p.e.: C o N)
permite incrementar el rendimiento del proceso y extender la
absorción
lumínica
respectivamente.
En
hacia
este
la
último
radiación
caso
el
“band
visible,
gap”
electrónico puede ser adaptado a valores que permitan la
absorción de la luz visible (ver Fig. 1.4).
Figura 1.4
La preparación del material en forma de capa delgada o su
inmovilización en substratos adecuados hace más fácil su
reutilización evitando el proceso de filtración antes indicado.
1.2.3 Salud: nanomedicina
1.2.3.1 - Esta secuencia de microfotografías ilustra la actuación
de nanopartículas de oro adecuadamente recubiertas con
25
materiales
biológicos
para
evitar
la
acumulación
precipitación de proteínas en tejidos humanos (amiloidosis).
Figura 1.4: TEM images of AuNP-CysPEP and amyloid fibers
26
y
1.2.3.2 - Además se tendrán en cuenta “inputs” referentes a:
- Nuevos medicamentos, encapsulación y distribución a
voluntad.
-
Incremento de las funcionalidades de las prótesis.
-
Producción de implantes activos.
-
Fabricación de nanopartículas utilizadas como inhibidores
de virus:
*nanopartículas inorgánicas
*puntos cuánticos
*nanopartículas poliméricas
*nanotubos de carbono modificados
*micelas y liposomas
-
Medida, actuación y/o interfasado a nivel de la
nanoescala.
1.2.4 Nuevos Materiales (Actividad transversal en el Roadmap)
Se prospectarán desde los materiales citados anteriormente
hasta aquellos que puedan ser sus substitutos en el período
temporal incluido en el ejercicio. Los criterios de substitución
serán obviamente tanto una mejora en sus funcionalidades
como la disminución de su precio de manufactura.
27
1.2.5 Implantación de las técnicas NBIC (NANO-BIO-INFOCOGNO)
(Actividad transversal en el Roadmap)
Durante la creación del mapa de ruta se identificarán las
convergencias entre las nuevas tecnologías NBIC en las tres
áreas de estudio.
1.3 BENEFICIOS
1.3.1 Beneficios esperados
-
Clarificación de estrategias de investigación y desarrollo a
corto y largo término.
-
Metas compartidas entre la industria, la academia y
gobiernos.
-
Promoción de la colaboración y la comunicación sobre
temas relacionados con la investigación y desarrollo.
-
Promoción de la competitividad internacional mediante
una
expansión
de
mercados
en
el
campo
de
la
nanotecnología
-
Incremento en la selección, focalización y eficiencia de los
proyectos de investigación y desarrollo.
28
-
Priorizar la educación y el training en el campo de la
nanotecnología.
-
Reforzar la colaboración en Latinoamérica sobre temas
relacionados con la nanotecnología.
-
Cooperar en el desarrollo sostenible y la mejor calidad de
vida en nuestras sociedades.
-
Incluir
consideraciones
éticas
y
de
género
en
las
conclusiones finales
1.3.2 Recomendaciones generales
-
La necesidad de generar entes interregionales (pueden ser
virtuales) que sean capaces de producir programas
comunes
de
nanotecnología
investigación
abiertos
a
y
desarrollo
todos
los
sobre
países
Iberoamericanos.
-
La formación de subredes Iberoamericanas en cada uno
de los temas: salud, energía y medio ambiente que sean el
precedente para la creación de una Red Iberoamericana
de Nanotecnología (RIN). La RIN debería ser capaz de
resolver problemas de alto impacto social en la región y
globalmente en temas de interés. Se propondrán los
mecanismos de gobernanza de las subredes y de la red así
como su interacción con los distintos "stakeholders".
29
-
La generación de redes de excelencia capaces de dar
lugar a institutos de referencia virtuales.
-
La selección entre aquellos que podrían ser centros de
excelencia en nanociencia y nanotecnología y que de una
forma
física
podrían
estar
ubicados
en
un
país
Iberoamericano.
1.4
PLAN DE DIFUSIÓN
Tal como se ha indicado anteriormente el roadmap será
presentado en un país latinoamericano a escoger. La elección de
la sede será consensuada por los socios del proyecto. En el mes 48
se presentará, además, el resumen de todas las actividades
realizadas en el proyecto que incluirá una hoja de ruta sobre la
implantación de las NBIC en Iberoamérica. La difusión de los
resultados deberá ser global por lo que se requerirá a CYTED
asesoramiento
de
cómo
conseguir
reunir
la
mayoría
de
responsables de estos temas en los distintos países (CONACYT,
CONICET,...) junto con responsables de la industria, que podrían
ser representados por las Cámaras de Comercio. Aprovechando
este evento se presentará un libro que recoja los resultados de la
hoja de ruta y que será difundido, además, a través de una web
que se creará ex profeso. La web se utilizará no sólo como medio
30
de difusión de los resultados del proyecto si no como lugar de
contacto entre los socios y los diferentes expertos.
Además se realizará:
-
Presentación del roadmap en eventos relevantes en el campo
de
las
nanotecnologías
en
Iberoamérica
(conferencias,
eventos sectoriales: medicina, energía, o medioambiente,
etc.).
-
Creación de artículos de carácter divulgativo.
-
Distribución del roadmap a través de diferentes redes de
contactos.
-
Difusión a través de la página web
www.nanoroadmap-cyted.com
1.5
SEGUIMIENTO Y EVALUACIÓN EX-POST
a) Número de expertos de la academia y de la industria que
han sido contactados.
b) Número
de
expertos
que
han
respondido
a
los
cuestionarios.
c) De esos expertos, el número de ellos que desean
pertenecer al núcleo inicial de las subredes.
d) Número de redes de excelencia que se pueden generar.
31
e) Forma y número de interacciones que han sido necesarias
para confeccionar el cuestionario.
f)
Examen crítico de los resultados del roadmap.
g) Número de eventos y publicaciones en los que se ha
presentado el roadmap.
h) Número de asistentes a cada evento de presentación del
roadmap.
i)
Número de visitas a la página web.
j)
Líneas
que
ayuden
a
la
creación
de
una
Red
Iberoamericana de Nanotecnología (RIN).
k) Reglas de funcionamiento e interacción de las subredes y
la RIN.
32
Capítulo 2
NANOTECNOLOGIA APLICADA À SAÚDE
Bartira Rossi Bergmann
Email: [email protected]
Instituto de Biofísica Carlos Chagas Filho - Universidade Federal
do Rio de Janeiro, Brasil
2.1
INTRODUÇÃO
2.1.1 Nanomedicina
Apesar de ter instigado a imaginação de cientistas e escritores
de ficção científica, ainda parece longe a concretização do
uso
de
nanorobôs
na
terapêutica
clínica,
como
os
imaginados por Issac Asimov em seu livro e filme “Viagem
fantástica” de 1966. Naquele filme, um grupo de cirurgiões
miniaturizados viajavam dentro das veias rumo ao cérebro de
um paciente em uma nave de 1 Pm para salvá-lo da morte.
Mas mesmo assim, a nanotecnologia aplicada à medicina
(nanomedicina),
é
hoje
considerada
uma
disciplina
revolucionária em termos de seu enorme potencial na solução
33
de muitos problemas na área da medicina. As maiores
expectativas
para
os
próximos
10-20
anos
incluem
a
elucidação dos mecanismos do desenvolvimento do câncer,
arterioesclerose e Doença de Alzheimer; a generalização de
métodos de diagnóstico genético, e o tratamento oral do
diabetes. Abaixo estão relacionadas três das principais
aplicações atuais da nanomedicina:
¾
Implantes e Próteses (engenharia de tecidos):
Criação de órgãos artificiais e implantes com maior afinidade
pelo tecido original, através do crescimento de células em
arcabouços
artificiais
de
polímeros
biodegradáveis
ou
hidroxiapatita em películas biossintéticas. Esta tecnologia é
baseada no fato de que células humanas crescidas em
superfície plana não produzem um painel normal de
proteínas, enquanto que células crescidas em estruturas tridimensionais têm uma bioquímica relativamente normal1. A
nanotecnologia
nanoestruturadas
pode
auxiliar
(contendo
no
uso
ranhuras
de
superfícies
nanométricas
ou
“carimbadas” com moléculas de adesão usando instrumentos
como o microscópio de força atômica), para melhorar a
adesão de células e orientar seu crescimento em estruturas
mais definidas. Da mesma forma, nanocompósitos de liga de
titânio podem ser usados para aumentar a longevidade e a
34
biocompatibilidade de dispositivos cirúrgicos e próteses.
Como exemplos: implantes de células nervosas crescidas em
malhas poliméricas para reparo de medula espinhal; células
ósseas ou de cartilagem para reconstituição de articulações e
células hepáticas para produção de fígado para transplante.
¾
Diagnóstico
ultra-rápido
e
sensível
usando
minutas
amostras
nanosensores
Diagnósticos
rápidos
que
requerem
biológicas estão sendo desenvolvidos por microfluídica e
nanotécnicas
nanopartículas
usando
de
partículas
ouro,
como
nanopartículas
quantum
dots,
magnéticas
ou
fulerenos. Espera-se que em alguns anos monitores pessoais de
saúde já estejam disponíveis. Dispositivos implantáveis no
organismo
sanguíneos
poderão
de
monitorar
certos
continuamente
indicadores
biológicos
os
e
níveis
ajustar
automaticamente a liberação de drogas em quantidades
apropriadas. Por exemplo, no diabetes o paciente poderá
monitorar continuamente os níveis de açúcar no sangue e
administrar ele mesmo as doses necessárias de insulina.
Avanços combinados na genômica e na nanotecnologia,
como o uso de nanoporos para medir rapidamente o
tamanho de moléculas de DNA, também deverão resultar no
desenvolvimento de sensores que determinem a constituição
35
genética
com
rapidez
e
precisão,
possibilitando
o
conhecimento da predisposição genética a doenças.
¾
Sistemas de carreamento e liberação de drogas.
Um dos setores da nanotecnologia com maior potencial de
aplicação são os sistemas de carreamento e liberação de
drogas (fármacos e vacinas) para melhorar a sua eficácia
terapêutica.
O
alto
custo
no
descobrimento
e
desenvolvimento de novas moléculas ativas torna os sistemas
nanoestruturados de liberação de fármacos uma das áreas
da indústria farmacêutica mais promissoras. Isso porque a
formulação nesses sistemas pode resgatar drogas ativas e
promissoras
descartadas
por
sua
toxidez
ou
baixa
biodisponibilidade, e desenvolver produtos alternativos com
alto valor agregado.
Uma pesquisa em banco de dados feita em 2004 sobre as dez
doenças mais citadas nos abstracts de patentes mundiais
relacionadas a sistemas de liberação controlada de fármacos
mostra a liderança do câncer e da AIDS (Tabela 2.1). O fato
de nenhuma doença parasitária sequer constar desta relação
é provavelmente um reflexo da liderança dos países mais ricos
no mercado farmacêutico nanotecnológico.
36
POSIÇÃO
DOENÇA
1
Câncer
2
AIDS
3
Hepatite (A ou B)
4
Vaginite
5
Enfarte
6
Osteoporose
7
Gripe
8
Herpes
9
Diabete
10
Acne
Tabela 2.1: Ranqueamento das doenças por número de
patentes depositadas na área de sistemas de liberação de
fármacos (drug release systems).
Os problemas mais comuns que costumam impedir a
aprovação de fármacos potencialmente eficazes são sua
rápida metabolização no organismo e os efeitos tóxicos
decorrentes de sua baixa solubilidade plasmática e/ou sua
ação indiscriminada sobre células sadias.
Idealmente, um
fármaco de efeito sistêmico deve permanecer na circulação
o tempo necessário para seu efeito terapêutico, dentro de
uma faixa segura de alta eficácia combinada à baixa toxidez,
37
um
mínimo
de
doses
droga no sangue
e
repetitivas
(Figura
2.1).
Nível tóxico
Nível mín imo de e ficácia
tempo
Figura 2.1: Farmacocinética de um fármaco administrado pela
via oral ou pela via intravenosa (i.v.). A) Dose oral; B) Overdose
oral; C) Injeção i.v.; D) Controle ideal de liberação
Além de protegê-lo contra a degradação prematura e
promover sua solubilização, o encapsulamento de um
fármaco em nanossistemas apropriados pode ajudar a
direcioná-lo para o seu tecido ou célula-alvo.
Os sistemas de liberação controlada de fármacos apresentam
várias vantagens em relação aos sistemas convencionais, tais
como:
x
Maior controle da liberação do principio ativo, diminuindo
o aparecimento de doses tóxicas e sub-terapêuticas.
38
x
Utilização de menor quantidade do principio ativo,
resultando em menor custo.
x
Maior intervalo de administração.
x
Melhor aceitação do tratamento pelo paciente.
x
Possibilidade de direcionamento do principio ativo para
seu alvo específico.
As desvantagens que devem ser monitoradas e contornadas
no desenvolvimento destes sistemas são:
x
Possível toxicidade dos produtos de sua biodegradação.
x
Custo mais elevado, dependendo do material e do
processo utilizado. Este, no entanto pode ser compensado
pelo menor número de doses necessárias.
2.2
PRINCIPAIS SISTEMAS DE CARREAMENTO E
LIBERAÇÃO CONTROLADA DE DROGAS (DRUG DELIVERY
SYSTEMS)
Vários tipos de nanopartículas e sistemas coloidais podem
melhorar a cinética, biodistribuição e a liberação de uma
droga, seja ela um fármaco, vacina, proteínas recombinantes
ou oligonucleotídeos. A seguir, serão apresentados alguns dos
principais sistemas nanoestruturados para carreamento de
fármacos e vacinas, dando uma breve idéia do seu estágio
atual de desenvolvimento clínico.
39
2.2.1 Lipossomas
Os lipossomas são vesículas esféricas artificiais de tamanho
variável (20 nanômetros a vários micrômetros de diâmetro)
que podem ser produzidas com fosfolipídeos naturais e
colesterol. Foram descobertos em 1961 por Alec Bagham
durante um estudo de fosfolipídeos e coagulação sanguínea
que mostrou que quando fosfolipídeos se combinam com a
água, formam imediatamente uma esfera de bi-camada4.
Isso ocorre porque enquanto uma ponta de cada molécula é
solúvel em água, a outra é hidrofóbica (Figura 2.2). Desde
então os lipossomas têm sido amplamente utilizados como
ferramentas bastante versáteis como modelos de membranas
celulares na biologia e bioquímica. A sua utilização como
sistema carreador de fármacos foi proposta pela primeira vez
em 1971 por Gregoriadis, e a partir de então eles tem sido
extensivamente explorados para esta finalidade.
40
Anticorpos
A)
B)
bicamada lipídica
droga hidrossolúvel
no interior aquoso
droga lipossolúvel
na bicamada
50 nm
Camada protetora de
polietilenoglicol (PEG)
Figura 2.2: Estrutura do lipossoma. A) Esquema mostrando local
de complexação de drogas de diferentes polaridades e
funcionalização com anticorpos e PEG. B) Microscopia
eletrônica de varredura de lipossomas.
De uma forma geral, os lipossomas podem ser classificados
como
unilamelares
(somente
uma
bicamada)
ou
multilamelares (várias bi-camadas concêntricas). Os fármacos
hidrossolúveis ficam encapsulados no interior da cavidade
lipossomal enquanto que os fármacos lipossolúveis são
incorporados na bicamada lipídica. A bicamada lipídica por
sua vez pode se fundir com outras bicamadas lipidicas como
das células, liberando o conteúdo dos lipossomas.
O tamanho, a lamelaridade e a composição lipídica
determinam muitas propriedades do lipossoma como a
41
fluidez, permeabilidade, estabilidade e estrutura, que podem
ser controlados e ajustados experimentalmente para atender
as necessidades específicas. Suas propriedades são também
afetadas por parâmetros externos, como a temperatura e o
pH. Os lipossomas podem ser funcionalizados por peguilação
(¨stealth liposomes¨), que é a cobertura de sua superfície com
polietilenoglicol (PEG) (Figura 2.2 A) para torná-lo mais
hidrofílico e aumentar seu tempo na circulação sanguínea.
Outra forma de funcionalização é a complexação de sua
superfície com anticorpos específicos para marcadores
celulares (em geral tumorais) para reconhecimento específico
da célula-alvo.
Uso clínico: Os lipossomas foram os primeiros nanossistemas
utilizados na clínica, e ainda hoje são os únicos aprovados
para administração endovenosa. O primeiro medicamento
lipossomal a ser introduzido no mercado foi a doxorrubicina
(Doxil/Caelix) em 1995 para o tratamento do sarcoma de
Kaposi associado à AIDS.
O Doxil/Caelix é constituido de
lipossomas peguilados, e medem 100 nm. Outras formulações
lipossomais para tratamento do câncer estão também no
mercado, como o Myocet e o DaunoXome (Tabela 2.2), que
reduziram significativamente a toxidez cardíaca da droga.
Outras
formulações
lipossomais
de
taxol,
vincristina
e
topotecan estão em testes clínicos. Várias formulações
42
lipídicas da anfotericina B para tratamento de micoses
sistêmicas e da leishmaniose visceral também já estão no
mercado desde 1998, com reduzida toxidez renal.
Medicamento
Droga
Doença
Laboratório
Doxil / Caelix
Doxorrubicina
câncer
ALZA
Myocet
Doxorrubicina
câncer
ELAN
DaunoXome
Daunorrubicina
câncer
Ambisome
Anfotericina B
leishmaniose
Amphotec
Anfotericina B
Abelect
Anfotericina B
lipossomal
micose
sistêmica
micose
sistêmica
Gilead
Sciences
Gilead
Sciences
ALZA
ELAN
Tabela 2.2: Formulações lipossomais comercializadas
O uso de lipossomas catiônicos como sistemas eficientes de
carreamento e transfecção de DNA foi demonstrado pela
primeira vez no início da década de 1990 5. Em animais, a
administração de DNA complexado a lipossomos catiônicos
promoveu a expressão terapêutica de proteínas em vários
órgãos. As doenças que são potenciais alvos para a terapia
gênica com lipossomos incluem vários tipos de câncer,
arteriosclerose, fibrose cística, hemofilia e anemia falciforme.
43
2.2.2 Nanopartículas Poliméricas
Ao contrário dos lipossomas, as nanopartículas poliméricas
não têm um núcleo aquoso, mas sim matriz sólida constituida
de polímero (nanoesferas) ou uma membrana polimérica e
núcleo oleoso (nanocápsulas). O fármaco é agregado,
encapsulado ou adsorvido às partículas, e dependendo do
método de preparação, pode-se obter nanoesferas ou
nanocápsulas. O fármaco deve ser liberado gradualmente da
partícula por erosão ou difusão.
O polímero deve ser biodegradável, químicamente inerte,
não-tóxico e livre de impurezas. Uma relação dos polímeros
mais comumente empregados, naturais e sintéticos encontrase na Tabela 2.3. A vantagem principal dos polímeros
biodegradáveis é que eles se quebram em moléculas
biológicamente aceitáveis que são removidas do organismo
pelas vias metabólicas naturais.
Os biopolímeros como a quitosana e albumina têm a
vantagem de terem custo bem mais baixo que os sintéticos
como o PLGA, o que torna a formulação mais econômica.
44
Polímeros
Naturais
Albumina
Sintéticos/semi-sintéticos
(biodegradabilidade
Sintéticos/semi-sintéticos
(biodegradabilidade alta)
média)
Poli(2-hidroxi-etil-
Poli (lactideo) (PLA)
metacrilato)
Gelatina
Poli (N-vinil-pirrolidona)
Poli (glicolídeo) (PGA)
Alginato
Poli (metil-metacrilato)
Poli (lactídeo-co-glicolídeo) (PLGA)
Quitosana
Poli (vinil alcool)
Poli (e-caprolactona)
Poli (ácido acrílico)
Poli (ortoéster)
Poli (acrilamida)
Poli (cianoacrilato)
Polihidroxia
lcanoato
Poli(etileno-co-
Poli (anidrido)
vinilacetato)
Poli (etileno glicol)
Poli (ácido metacrílico)
Tabela 2.3: Polímeros mais utilizados na preparação de
nanopartículas poliméricas de uso farmacêutico
Nos últimos anos, as partículas poliméricas têm atraído
atenção considerável como sistemas de liberação controlada
não só de fármacos mas também como carreadores de DNA
na terapia gênica, além de poderem ser utilizadas para
administração oral não só de fármacos mas também de
proteínas e peptídeos. O tamanho das nanopartículas pode
45
variar de 50-1000 nm. Micropartículas poliméricas (> 1000 nm)
são produzidas por técnicas diferentes das nanopartículas, e
têm aplicação potencial nos casos em que interessa a
formação de depósitos para liberação lenta e contínua,
como por exemplo em vacinas subcutâneas ou medicação
localizada.
Uso clínico: Os polímeros mais utilizados comercialmente são o
PGA e o PLA seguidos do PLGA e a Poli (e-caprolactona). Os
produtos médicos mais comuns feitos de PLA são parafusos e
tachas ortopédicos, fios de sutura e sistemas de reparo de
menisco e cartilagem. Os medicamentos formulados em
polímeros e aprovados para uso humano são todos dirigidos
para o tratamento do câncer (Tabela 2.4) e nenhum usa
nanopartículas e sim micropartículas ou disco, como se segue.
Medicamento
polimérico
Polímero
Droga
Doença
Laboratório
carmustina
câncer
Aventis
PLGA
leuprolide
câncer
TAP
albumina
paclitaxel
câncer
Abraxis
Gliadel
polifeprosan
Wafer
20
Lupron
Depot
Abraxane
Tabela 2.4: Formulações poliméricas já comercializadas
46
O primeiro produto de PLGA aprovado pelo FDA foi o
LupronDepot em 1996 (TAP Pharmaceutical Products Inc),
micropartículas
de
75:25
lactideo/glicolídeo
contendo
leuprolide para o tratamento de câncer avançado de
próstata. Administrado localmente, o LupronDepot forma um
depósito e libera a droga gradualmente,
podendo ser
administrado em intervalos de até 4 meses, substituindo as
injeções diárias de leuprolide livre. Outra formulação em
micropartícula polimérica também aprovada pelo FDA em
1996 é o Gliadel Wafer (Aventis Pharma), um disco de
aproximadamente 1,45 cm de diâmetro e 1 mm de espessura
do
copolímero
polianidrido
co–poli[bis(p-
carboxifenoxi)propano:ácido sebásico], também conhecido
como polifeprosan 20 em razão molar de 20:80, usado para
prolongar a vida de pacientes com uma forma letal de
câncer, o glioblastoma multiforme. Neste caso, o disco é
implantado diretamente no cérebro logo a remoção cirúrgica
do tumor. O disco fica no local, liberando continuamente o
BCNU (carmustina), um quimioterápico poderoso mas tóxico
quando administrado sistemicamente. O Abraxane, uma
formulação de paclitaxel (taxol) em nanopartículas de
albumina de 130 nm foi aprovada pelo FDA em 2005 para o
tratamento endovenoso de câncer de mama metastático.
Esta formulação tem a vantagem de dispensar o uso de
47
solventes tóxicos como o cremofor-EL que pode causar
reações alérgicas fatais após injeções convencionais do taxol.
2.2.3 Ciclodextrinas
Ciclodextrinas são uma família de oligossacarídeos cíclicos
tridimensionais em forma de copo de cerca de 1 nm de
altura, com alto número de hidroxilas, o que lhes confere uma
boa solubilidade em água (Figura 2.3). Como seu interior é
hidrofóbico, a
complexação
de drogas lipossolúveis é
facilitada.
Figura 2.3: Estrutura polissacarídica da E-Ciclodextrina e sua
forma em copo. As setas cinzas apontam para as hidroxilas
primárias e as setas pretas apontam hidroxilas secundárias,
respectivamente. Fonte: Davis and Brewster 2004 Nature
Reviews Drug Discovery 3:1023-1035.
48
A primeira patente usando a ciclodextrina para formulação
de drogas foi em 1953. Dependendo do número de resíduos
de glicose na sua estrutura, a ciclodextrina pode ser
denominadas D-ciclodextrina (hexâmero), E- ciclodextrina
(heptâmero) ou J- ciclodextrina (octâmero).
Uso clínico: As ciclodextrinas são os sistemas de carreamento
de drogas há mais tempo sendo comercializadas. A Tabela
2.5 mostra uma relação dos principais medicamentos no
mercado utilizando as diferentes ciclodextrinas.
Medicamento
Droga
Via de
administrção
-Ciclodextrina
Prostavastina,
PGE1
Intravenosa
Pansporin T
Cefotiam hexetil HCl
Oral
Opalmon, Prorenal
Limaprost
Oral
Nimedex, Mesulid
Nimesulidio
Oral
Nitropen
Nitroglicerina
Sublingual
Omebeta
Omeprazol
Oral
Prostarmon E
PGE2
Sublingual
Caverject, Edex
-Ciclodextrina
49
Medicamento
Via de
Droga
administrção
Brexin
Piroxicam
Oral
Surgamyl
Ácido Tiaprofenico
Oral
-ciclodextrina2-hidroxipropil
Propulsid
Cisapride
Retal
Dexocort
Hidrocortisona
Bucal
Indocid
Indometacina
Oftálmico
Sporanox
Itraconazole
Oral,
intravenosa
-ciclodextrina metilada
Aerodiol
17 -Estradiol
Spray nasal
Clorocil
Cloranfenicol
Oftálmico
-ciclodextrina sulfobutilester
Vfend
Geodon, Zeldox
Voriconazol
Maleato
Intravenosa
de
ziprasidona
Intramuscular
-ciclodextrina2-hidroxipropil
Voltaren
Diclofenaco de sódio
Oftálmico
Tabela 2.5: Fomulações de ciclodextrina comercializadas.
50
2.2.4 Dendrímeros
Os
dendrímeros
são
polímeros
globulares
altamente
ramificados, com cerca de 1-10 nm produzidos pela primeira
vez no início da década de 1980 por Donald Tomalia. São
sintetizados a partir de uma unidade central por estágios
repetitivos, cada qual aumentando seu tamanho em uma
geração que tem o dobro do peso molecular da geração
anterior (Figura 2.4).
G0
G1
G2
G3
Figura 2.4: Dendrímeros de geração G0, G1, G2 e G3. Em
vermelho o core da molécula. Em verde na superfície os
grupos funcionais, que aumentam com a geração.
Os dendrímeros têm alto grau de uniformidade molecular,
uma distribuição estreita de peso molecular e tamanho
especifico e uma superfície altamente funcionalizada. Tanto
os grupos funcionais da sua parte externa como das suas
51
ramificações internas podem hospedar fármacos e DNA. Sua
vantagem em relação às outras partículas poliméricas é a
previsibilidade
de
seu
tamanho
e
número
de
grupos
funcionais, o que confere maior segurança quanto à
quantidade de fármaco complexado. Apesar de dedrímeros
maiores terem maior capacidade de carreamento devido ao
maior número de grupos funcionais, a sua síntese fica cada
vez mais complexa a cada geração seguinte, o que
encarece seu preço. Os dendrímeros mais explorados
experimentamente são os de poli-(amidoamina), (PAMAM),
nas gerações G3 e G4, mas os de geração mais alta têm se
mostrado mais eficientes para promover uma transfecção de
DNA mais eficiente. Quanto à toxidez, os dendrímeros
catiônicos
são
mais
tóxicos
e
os
aniônicos
mais
biocompatíveis.
Apesar de serem conhecidos há mais de 20 anos, e terem sido
considerados como meras curiosidades de alto custo sem
qualquer utilidade terapêutica, foi principalmente a partir dos
últimos 5 anos que sua aplicação terapêutica passou a ser
mais explorada. É atualmente considerado um sistema de
última-geração com grande potencial de aplicação na
medicina, tanto em diagnóstico de imagens como na
formulação de fármacos.
52
Uso clínico: Alguns dendrímeros têm encontrado aplicação
biomédica como marcador cardíaco em diagnóstico rápido
de enfarte (Stratus CS, Dade Behring), como ferramenta para
promover transfecção gênica in vitro (Superfect, Qiagen) ou
como sensor biológico estratégico para antrax ou toxina
botulínica (Alert Ticket,US Army Research Laboratory). O único
em fase de estudo clínico é o SPL7013 (Vivagel, Starpharma)
que está sendo testado em mulheres para prevenção herpes
genital como gel vaginal em estudo clínico. Neste caso, o
dendrímero não é usado como sistema carreador, mas sim por
sua atividade microbicida intrínseca.
2.2.5 Nanopartículas inteligentes
Basicamente qualquer das partículas descritas acima poderia
ser funcionalizada para um melhor direcionamento ao tecidoalvo ou célula-alvo sem causar nenhum efeito colateral16. A
possibilidade de uma nanopartícula administrada por via oral
passar incólume pelo estômago e pelo intestino delgado
chegando até o cólon, onde ela se direcionará diretamente
para as células tumorais do paciente liberando um potente
fármaco
anti-câncer
que
destrói
somente
as
células
cancerígenas pode em breve ser uma realidade. Neste
sentido, anticorpos que se ligam exclusivamente a células
cancerígenas
podem
ser
acoplados
53
à
superfície
das
nanopartículas para serem injetadas pela via endovenosa no
paciente.
Uma
outra
possibilidade
de
vetorização
da
nanopartícula é o seu carregamento com substâncias
magnéticas de forma que a partícula possa ser levada a um
local específico (tumor, por exemplo) através da aplicação
externa de um campo magnético sobre o local desejado,
liberando aí o fármaco. A presença de fármacos específicos
neste caso pode não ser necessária: o material acoplado
poderia só produzir alta temperatura sob aquecimento ou luz
para destruir as células-alvo. A vantagem de um sistema assim
é que ele permite um tratamento bem focalizado e intenso
sobre as células doentes, poupando as células saudáveis.
2.3
DRUG DELIVERY SYSTEMS NA LEISHMANIOSE
A leishmaniose é um conjunto de doenças causadas por
diferentes espécies do protozoário Leishmania. Essas podem
ser classificadas em forma Tegumentar, que inclui as formas
cutânea simples, difusa e mucocutânea frequentemente
desfigurantes, e forma Visceral muitas vezes letal. Estima-se
que haja no mundo 12 milhões de pessoas infectadas, e uma
incidência anual de 0,5 milhões de casos da forma visceral e
1,5 a 2 milhões de casos da forma tegumentar. A doença
existe em 88 países, incluindo a America Latina, Portugal e
Espanha. O tratamento convencional de ambas as formas
54
tegumentar e visceral baseia-se no uso de antimoniais
pentavalentes como medicamentos de primeira escolha.
Outros fármacos, como anfotericina B e miltefosina, podem
ser utilizados em situações de intolerância ou resistência aos
antimoniais.
Todos
os
medicamentos
existentes
são
extremamente tóxicos, já que tem que ser administrados em
doses muito altas para que cheguem dentro da célula
parasitada.
Uma característica interessante da leishmaniose sob o ponto
de vista da nanobiotecnologia é o fato do parasito se
multiplicar exclusivamente dentro de macrófagos, que são
células altamente fagocíticas. Assim, fármacos bastante
ativos contra o parasito, mas descartados por sua toxidez,
baixa biodisponibilidade ou incapacidade de atravessar as
membranas da célula hospedeira podem ter sua utilização
resgatada
se
carreados
em
nanopartículas.
Para
administração endovenosa, estas partículas devem ter
diâmetro
inferior
microcapilares
a
1
mícron
sanguíneos.
Há
para
não
quase
30
ocluirem
anos
os
foi
demonstrado que o encapsulamento de fármacos em
lipossomas pode ser uma estratégia eficaz para direcioná-lo
para macrófagos do baço e fígado. O potencial das
vesículas multilamelares grandes contendo anfotericina B
para tratamento da leishmaniose visceral foi registrado pela
55
primeira vez em 1981 em camundongos infectados com L.
donovani, onde foi observada uma melhora de 2-4 vezes em
relação ao fármaco livre. A formulação em lipossomas
unilamelares foi registrada como Ambisome, e foi aprovada
para o tratamento clínico da leishmaniose visceral em 1999.
Outra estratégia para aumentar o direcionamento dos
lipossomas para o macrófago é a complexação de ligantes
para receptores de macrófagos, como a manana para
ligação no receptor para manose/fucose e fosfatidilserina
para interação com receptores “scavengers”.
2.3.1 Perspectivas no uso de drug delivery systems para o
tratamento da leishmaniose.
A leishmaniose é uma doença bastante interessante para
estudo de sistemas nanoestruturados de carreamento de
drogas, uma vez que a Leishmania é um parasito intracelular
de células fagocíticas. A internalização da droga para dentro
da
célula
parasitada
pode
ser
feito
através
de
sua
complexação a nanopartículas biodegradáveis que são
fagocitadas. Atualmente, o medicamento mais eficaz contra
a leishmaniose consiste de nanopartículas de lipossomas
contendo anfotericina B administradas por via endovenosa.
No
entanto,
existe
uma
carência
muito
grande
por
medicamentos de uso tópico e uso oral, mais bem aceitos por
56
crianças. Algumas nanopartículas como dendrímeros de poliaminoamida
(PAMAM)
e
lipossomas
ultradeformáveis
(elásticos) tem aplicação potencial em uso tópico, por
carrearem drogas atraves da pele. Algumas nanopartículas
poliméricas
com
propriedades
mucoadesivas,
como
a
quitosana, podem promover uma melhor absorção intestinal,
e tem potencial para uso oral.
A vantagem óbvia destes
medicamentos nanoestruturados é uma maior eficácia e
menor efeito colateral. No entanto, um desafio hoje é tornar
os custos mais acessíveis aos países da Iberoamérica afetados
pela leishmaniose. Isso poderá ser feito por um esforço
conjunto dos grupos com competência na descoberta de
novos materiais biocompatíveis, entre eles, os biopolímeros.
57
REFERÊNCIAS
[1] Thomas V, Dean DR, Vohra YK. Nanostructured Biomaterials for
regenerative medicine. Current Nanoscience 2 (3): 155-77,
2006.
[2] Jain KK. Nanotechnology in clinical laboratory diagnostics.
Clinica Chimica Acta 358 (1-2): 37-54, 2005.
[3] Shaffer C. Nanomedicine transforms drug delivery. Drug
Discovery Today 10 (23-24): 1581-1582,2005
[4] Bangham, AD. A correlation between surface charge and
coagulant action of phospholipids. Nature 192 (480): 11971198, 1961.
[5] Ito A, Miyazoe R, Mitoma J, Akao T, Osaki T, Kunitake T.
Synthetic cationic amphiphiles for liposome-mediated dna
transfection. Biochemistry International 22 (2): 235-241, 1990.
[6] Matsuura M, Yamazaki Y, Sugiyama M, Kondo M, Ori H, Nango
M, Oku N. Polycation liposome-mediated gene transfer in vivo.
Biochimica Et Biophysica Acta-Biomembranes 1612 (2): 136143, 2003.
58
[7] Davis ME, Brewster ME. Cyclodextrin-based pharmaceutics:
Past, present and future. Nature Reviews Drug Discovery 3 (12):
1023-1035, 2004.
[8] Duncan R, Izzo L. Dendrimer biocompatibility and toxicity.
Advanced Drug Delivery Reviews 57 (15): 2215-2237, 2005.
[9] Alving CR. Delivery of liposome-encapsulated drugs to
macrophages. Pharmacology & Therapeutics 22:407-24, 1983.
[10] New RRC, Chance ML, Heath S. Antileishmanial activity of
amphotericin and other antifungal agents entrapped in
liposomes. Journal of Antimicrobial Chemotherapy 8:371-81,
1981.
[11] Rossi-Bergmann, B. e Frezard F. Aplicação da Nanotecnologia
para o Tratamento da Leishmaniose. In: Marcelo M. Morales.
(Org.). Terapias Avançadas: Células Tronco, Terapia Gênica e
Nanotecnologia Aplicada à Saúde. 1 ed. : Editora Atheneu,
2007, cap. 19 pp 265-277. 2007.
[12] Zulmira
Lacava,
Z.G.M.
Aplicações
Biomédicas
das
Nanopartículas Magnéticas. In: Nanotecnologia. Art Liber 175181, 2006.
[13] Veerareddy, PR; Vobalaboina, V; Ali, N. Antileishmanial
activity, pharmacokinetics and tissue distribution studies of
59
mannose-grafted amphotericin B lipid nanospheres. Journal Of
Drug Targeting 17:140-147, 2009.
[14] Tempone AG, Perez D, Rath S, Vilarinho AL, Mortara RA, de
Andrade HF. Targeting Leishmania (L.) chagasi amastigotes
through macrophage scavenger receptors: the use of drugs
entrapped in liposomes containing phosphatidylserine. Journal
of Antimicrobial Chemotherapy 54:60-68, 2004.
[15] Banerjee, A; Roychoudhury, J; Ali, N. Stearylamine-bearing
cationic liposomes kill Leishmania parasites through surface
exposed negatively charged phosphatidylserine. Journal Of
Antimicrobial Chemotherapy 61:103-110, 2008.
[16] Medical News Today:
http://www.medicalnewstoday.com/articles/104773.php
60
Capítulo 3
IDENTIFICANDO NUEVOS MEDICAMENTOS A TRAVÉS DE LA
BIOINFORMÁTICA
Raúl Isea
E-mail: [email protected], [email protected]
Fundación Instituto de Estudios Avanzados IDEA, Valle de
Sartenejas, Baruta 1080, Venezuela.
3.1
Se
INTRODUCCIÓN
ha
observado
un
crecimiento
exponencial
de
la
información genética en las dos últimas décadas proveniente
de diversos centros biotecnológicos, Universidades así como
Centros
de
Investigación
en
todo
el
mundo.
Dicha
información se está almacenando en diversas bases de datos
bajo el principio de que la misma se debe acceder en forma
gratuita y desde cualquier zona geográfica. En este sentido, y
citando un ejemplo, la base de datos del Centro Nacional
para la Información Biotecnológica (conocidas por sus siglas
en inglés NCBI) es uno de los tres repositorios de información
más importantes en todo el mundo.
61
En
el
NCBI
están
almacenadas
88.554.578
secuencias
diferentes y las mismas están compuestas por más de noventa
mil millones de nucleótidos, de acuerdo a datos suministrados
por el NCBI
(justamente 92.008.611.867). Manejar este
volumen de información es un reto computacional por sí
mismo, al demandar una infraestructura computacional
dedicada y especializada para ello.
En las próximas secciones se van a ir señalando los desafíos
computacionales
implicados
en
la
selección
de
las
secuencias genéticas que están relacionadas con una
determinada
enfermedad
(indicado
como
Acto
I),
posteriormente validar dicha información a través de la
búsqueda de similitudes en bases de datos (comentado en el
Acto II), el proceso de selección de fármacos a través de una
metodología computacional llamada Docking (Acto III), y
finalmente mostrar un caso modelo empleado contra la
malaria gracias a una iniciativa WISDOM.
3.2
ACTO I: IDENTIFICAR SECUENCIAS CANDIDATA A
BLANCO.
Las secuencias almacenadas en el NCBI [1] están asociadas a
una amplia gama de publicaciones científicas donde se ha
descrito el protocolo realizado para la obtención de las
62
mismas. De modo que si una persona desea dominar el área
dedicada al diseño de drogas (por citar un ejemplo), debe
comenzar
estudiando
aproximadamente
181.396
publicaciones científicas que se han publicado hasta nuestros
días. Por
ello,
implementar
y
como
actividad
paralela,
se
deben
tecnologías de información que permitan el
manejo óptimo de dicha información (conocido con las
palabras en inglés “text mining”) para simplificar la bibliografía
a consultar. Teniendo presente que gracias a dicha búsqueda
es posible identificar aquellos posibles blancos biológicos
donde podría interactuar una droga en particular. Por otra
parte, se debe tener presente la no-uniformidad del formato
de los datos que provienen de múltiples bases de datos que
en la mayoría de las veces, son incompatibles entre sí.
3.3
ACTO II: ALINEAR SECUENCIAS O IDENTIFICAR
SIMILITUDES EN FORMA AUTOMÁTICA.
En paralelo, se deben emplear programas computacionales
que
permitan
identificar
posibles
similitudes
entre
las
secuencias a partir de estudios comparativos a nivel de
nucleótidos, con la esperanza que dichas similitudes puedan
ser empleadas como candidatas a blanco por una droga
específica.
Para lograr ello, se debe hacer un proceso de
comparación cualitativa entre cada par de secuencias
63
conocida como alinear secuencias, es decir, es como buscar
frases
similares
dentro
de
un
libro,
con
el
principal
inconveniente que dicha labor es recurrente. Dicha labor, se
está
realizando
gracias
a
la
utilización
del
programa
computacional llamado mpiBlast [2,3].
Para visualizar el desafío computacional que está implícito en
dicha comparación, permítanme comentar un cálculo que se
realizara en el Laboratorio Nacional de Argonne (ubicado en
Estados
Unidos)
donde
ellos
emplearon
una
supercomputadora que está compuesta con más de diez mil
procesadores para identificar aquellas secuencias similares
entre sí, en todos los genomas del tipo microbianos (dicha
comparación llevaría varios meses de cálculo ininterrumpido,
sí únicamente se emplea un solo computador con dos
procesadores).
Además, el volumen de información que se
generó producto de dicha comparación fue del orden de
Petabyte, es decir, se debe analizar la información que llega a
ocupar un millón de Gigabytes de datos).
64
3.4
ACTO III: DOCKING O SELECCIÓN AUTOMÁTICA
DE CANDIDATOS A FÁRMACOS.
Una vez identificado las secuencias que pueden estar
implicadas en una enfermedad, el próximo paso es la
elección de los fármacos potenciales que se deben ensayar
vía computacional, y para lograr ello, se ha desarrollo
especialmente una metodología llamada Docking [4]; es
decir, la proteína se mantiene fija en el espacio mientras que
la droga se va colocando en diferentes partes cercanas al
exterior de dicha proteína, y en cada una de dichas
posiciones se va calculando la energía resultante producto de
la interacción del complejo proteína-droga. Por otra parte, se
ha demostrado en la literatura científica que hay zonas
específicas de la proteína que son favorables a la interacción
con la
droga (no es cualquier parte y por ello lo han
denominado sitio activo), de manera que los posibles
medicamentos serán aquellos que presenten
la menor
energía de interacción del complejo droga-proteína, a su vez
esté cercano al sitio activo de la proteína.
Para citar un ejemplo, indicar el calculo que se realizara en el
supercomputador de San Diego (conocido por sus siglas en
inglés
SDSC),
donde
ellos
emplearon
la
proteína
Neuraminidasa como blanco para la búsqueda de nuevas
65
drogas que inhiban el virus de la gripe.
Dicho estudio ha
permitido plantear 27 posibles fármacos contra la gripe, y
para logra dicho resultado, se empleo una supercomputadora
con 128 procesadores (les recomiendo visitar la página Web
ubicada en www.calit2.net/newsroom/release.php?id=1324,
donde podrán apreciar los detalles de la presente figura así
como un video en Flash que explica el alcance de dicho
estudio científico.
3.5
ÚLTIMO ACTO: INICIATIVA WISDOM CONTRA LA
MALARIA.
Para
finalizar,
comentar
la
iniciativa
internacional
denominada WISDOM (abreviatura de las siglas en inglés que
significa:
“Wide
In-Silico
Docking
Of
Malaria”,
detalles
disponible en el enlace web ubicado en http://wisdom.euegee.fr/) cuyo objetivo es identificar aquellas potenciales
drogas que pueden ser eficientes contra la malaria.
estudio
fue
gracias
a
un
esfuerzo
de
Dicho
cooperación
internacional entre diversos países como son Francia, España,
África, Italia, Alemania, Venezuela.
En dicho estudio se
ensayaron más de 4.3 millones de drogas diferentes para una
misma proteína [5]. A pesar que dicho cálculo se realizó en
varios cientos de procesadores, tardó 76 días consecutivos,
66
generando 1600 Gigabytes de datos de información a
estudiar.
3.6
CONCLUSIÓN.
A lo largo del presente trabajo se indicaron los diferentes
desafíos computacionales que están presentes en cada una
de las etapas involucradas en la identificación de nuevos
fármacos a través de métodos computacionales. De todo ello
se puede concluir la necesidad de innovar en técnicas que
manejen
grandes
volúmenes
de
información
independientemente del formato que se hayan creado la
misma. Finalmente, insistir que el presente trabajo siempre se
debería escribir en forma condicional, porque a pesar del
gran esfuerzo computacional invertido en este problema, el
éxito
del
mismo
dependerá
de
las
experimentales que se realicen en el laboratorio.
67
validaciones
REFERENCIAS
[1] Pruitt, K.D. and Maglott, D. R.
“RefSeq and LocusLink: NCBI
gene-centered resources”. Nucleic Acids Research, 2001, Vol.
29, No. 1 137-140.
[2]
Darling,
A.,
Carey,
Implementation,
and
L.
and
Feng,
Evaluation
of
W.
“The
mpiBLAST”.
Design,
4th
International Conference on Linux Clusters: The HPC Revolution
2003 in conjunction with ClusterWorld Conference & Expo,
June 2003.
[3] Morris, G. M., Goodsell, D. S., Halliday, R.S., Huey, R., Hart, W. E.,
Belew, R. K., and Olson, A. J. “Automated Docking Using a
Lamarckian Genetic Algorithm and and Empirical Binding Free
Energy Function”. J. Computational Chemistry (1998), vol. 19:
1639-1662.
[4] Hernández, V., Blanquer, I., Aparicio, G., Isea, R., Chaves, J.L.,
Hernández A., Mora, H.R., Fernández, M., Acero, A., Montes, E.
and Mayo, R. (2007). "Advances in the biomedical applications
of the EELA Project". Studies in Health Technology and
Informatics. Vol. 126, pp. 31 - 36
[5] Kasam, V., Salzemann, J., Botha, M., Dacosta, A., Degliesposti,
G., Isea, R., Kim, D., Maass, A., Kenyon, C., Rastelli, G.,
68
Hofmann-Apitius, M., and Breton, V. (2009). “WISDOM-II:
Screening against multiple targets implicated in malaria using
computational grid infrastructures.” Malaria Journal, Vol. 8, 88
69
Capítulo 4
PREDICCIÓN DEL CÁNCER COLORRECTAL Y DE MAMA
CON GRAFOS
Cristian R. Munteanu, Juan R. Rabuñal y Javier Pereira.
Dept. Tecnologías de la Información y las Comunicaciones Universidade da Coruña - España
4.1
INTRODUCCIÓN
Se estima que durante este siglo el cáncer se convertirá en la
principal causa de muerte en los países desarrollados. Como
resultado, ha habido también un aumento en la tasa de
supervivencia de los pacientes con cáncer, siendo la segunda
causa más común de muerte después de las enfermedades
relacionadas con el corazón. Los principales tipos de cáncer
son los siguientes: cáncer de pulmón, cáncer colorrectal,
cáncer de mama, cáncer de próstata y cáncer de páncreas
[1-3]. La aplicación de las tecnologías de proteómica en
cáncer crea el campo de la Oncoproteómica. Durante la
última década, se han realizado considerables avances en el
perfeccionamiento de las tecnologías de proteómica y su
70
aplicación, de modo que los mecanismos patológicos y el
descubrimiento de marcadores biológicos y diagnóstico de la
enfermedad podrían ser mejor entendidos [4]. Las nuevas
tecnologías de la proteómica, como el desarrollo de métodos
cuantitativos de proteómica, de alta resolución, velocidad y
espectrometría de masas de la sensibilidad y las matrices de
proteínas y los métodos avanzados de tratamiento de datos y
la interpretación de la bioinformática hacen posible el
descubrimiento de marcadores biológicos que puedan
predecir de un modo fiable y preciso los resultados durante la
gestión y el tratamiento del cáncer [5].
El objetivo científico es mapear la información de las redes y
grafos de los sistemas, como son las proteínas, los genes y las
moléculas orgánicas, para encontrar las relaciones de
interacción entre los objetos de los sistemas y para diseñar las
redes y los objetos con el fin de llegar a comprender y
manipular los mecanismos de regulación. Actualmente el
cáncer se puede predecir teóricamente mediante el uso de la
información de los grafos de las secuencias de proteínas y
espectros de masa proteicos (MS). Nuestro grupo ha obtenido
buenos resultados en la predicción de una proteína específica
implicada en el cáncer de mama humano (HBC), o en el
cáncer colorrectal humano (CRC), utilizando sólo la secuencia
primaria de las proteínas y el uso de la información
71
proporcionada por los espectros de masas (MS), del proteoma
de suero humano y el nivel de antígeno prostático específico
(PSA) en la sangre para detectar el cáncer de próstata [6].
Relaciones matemáticas entre la estructura y la actividad de
las proteínas/espectros de masas proteicas y el tipo de cáncer
se establecieron utilizando un método gráfico, la teoría de
grafos. Los enfoques gráficos aplicados a los sistemas
biológicos pueden proporcionar información útil, como se
indica en varios estudios anteriores sobre una serie de
importantes
temas
biológicos,
tales
como
reacciones
catalizadas por enzimas [7], la cinética de plegamiento de las
proteínas [8], el análisis de uso de codones [9] y el análisis de
la secuencia de ADN [10].
La
complejidad
del
sistema
hace
realmente
difícil
la
comparación entre ellos o la extracción de información
específica que describe una propiedad específica. Por lo
tanto, una estrategia posible para resolver este problema es
utilizar la información acerca de las conexiones o relaciones
entre las diferentes partes de todo el sistema. Esto se puede
hacer con la teoría del grafo/red compleja (CN) mediante la
obtención de los descriptores macromoleculares invariantes
llamados índices topológicos (TIs). La química matemática
que se dedica a codificar la información de la proteína / el
ADN / el ARN en las representaciones gráfico mediante el uso
72
de los TIs condujo a interesantes trabajos de Liao [11], Randic,
Nandy y Balaban [12, 13] o Pérez y Agüero-Chapin [14, 15]. TIs
son parámetros que describen numéricamente los patrones
de las interconexiones (bordes) entre las partes de un sistema
representado en un grafo o de una red.
La relación cuantitativa estructura-actividad (QSAR) es uno de
los modelos ampliamente utilizado para la predicción de las
propiedades de las proteínas [16]. Este capítulo presentará los
resultados obtenidos con la representación gráfica de las
secuencias de proteínas para diagnosticar dos tipos de
cáncer: el cáncer de mama y el cáncer colorrectal. Estos
modelos pueden ser vistos como una relación cuantitativa
entre las proteínas (o proteoma) y la enfermedad (QPDRs) [1723].
Las secuencias de proteínas y las señales del espectro de
masas no tienen ninguna propiedad simple directamente
relacionada con el cáncer. Así, el método del grafo
transforma la secuencia de la proteína y las señales del
espectro de masa proteica en una serie única de índices. En
el caso del espectro de masa proteica, la naturaleza exacta
de todos sus compuestos es desconocida y sólo la intensidad
de la señal se utiliza. Con estos TIs se buscan los modelos QPDR
que puedan clasificar una proteína o un espectro de masas,
73
vinculado a un tipo específico de cáncer (Figura 4.1). Así,
estas ecuaciones conectan la estructura de la proteína o de
espectros de masas con las propiedades relacionadas con el
cáncer de un sistema.
Figura 4.1. Representación esquemática del método QPDR
basado en la predicción del cáncer mediante el uso de los
grafos de las secuencias de proteínas y los espectros de masas
proteicas.
74
Para encontrar los mejores modelos de clasificación, varios
métodos se pueden utilizar, como el análisis discriminante
lineal (LDA) [24], las redes neuronales artificiales (ANN), la
máquina
de
soporte
vectorial
(SVM),
la
computación
evolutiva o la programación genética.
Este capítulo presenta información general sobre redes y
grafos, aplicación para grafos, grafos para predecir el CRC,
implementaciones online de modelos y las publicaciones
relacionadas a los grafos y al cáncer.
4.2 REDES Y GRAFOS
Una red es un grupo interconectado o un sistema de
elementos que comparte información. Un grafo es la
representación simbólica de una red y de su conectividad.
Esto implica una abstracción de la realidad que se puede
simplificar como un conjunto de nodos (vértices) conectados
por
líneas
(enlaces)
que
representan
las
relaciones/propiedades comunes.
Los índices topológicos (TIs) son parámetros numéricos
invariantes
de
un
grafo
topología/geometría/estructura.
que
Los
caracteriza
TIs
codifican
su
la
información sobre las funciones de la red real y se obtienen a
75
partir de las matrices del grafo como son las conectividades,
las distancias entre nodos, el grado de enlaces de los nodos,
las probabilidades de transición (Figura 4.2).
Figura 4.2. Transformación de la estructura real de una
proteína real (red compleja) del virus VIH en índices
topológicos.
4.3 APLICACIONES PARA GRAFOS
Nuestro grupo está desarrollando aplicaciones software
dedicadas al análisis de los grafos/redes complejas de tipo
estrella, espiral, “lattice” y generales.
76
Una de las aplicaciones que también se utiliza para obtener
los modelos matemáticos de este capítulo es el S2SNet [25]
que transforma cualquier secuencia de caracteres en índices
topológicos de grafos tipo estrella (Figure 4.3).
Figura 4.3. Presentación de la interfaz del S2SNet
77
Los TIs son los siguientes [26]:
¾ entropía de Shannon para matrices de Markov
¾ la traza de las matrices de conectividad
¾ el número de Harary
¾ el índice de Wiener
¾ el índice de Gutman
¾ el índice de Schultz
¾ los índices de Moreau-Broto
¾ el índice de conectividad de las distancias
Balaban
¾ los índices de conectividad Kier-Hall
¾ el índice de conectividad Randic
Las características de S2SNet son las siguientes:
¾ Es una aplicación gratuita con wxPython [27] y
Graphviz [28] para la parte grafica
¾ Cuenta con una amigable interfaz de usuario
¾ Su código es portable a sistemas Linux o Mac OS
¾ Está dedicada a los cálculos de redes/grafos tipo
estrella
¾ Se puede usar en muchos campos, tales como:
los modelos de proteínas, el análisis de espectro
de masa, EEG o espectro IR, la proteómica
78
clínica y de imagen, el análisis de la estructura de
ADN/ARN, el análisis de mutaciones tipo SNPs o
los estudios lingüísticos
4.4 GRAFOS PARA PREDECIR EL CÁNCER COLORRECTAL
Y DE MAMA
En
un
trabajo
reciente
hemos
construido
modelos
matemáticos que pueden evaluar si una proteína tiene
relación con el cáncer colorrectal (CRC) o con el cáncer de
mama (HBC) [29].
Para este estudio hemos utilizado 189 proteínas relacionadas
con HBC/CRC y 865 proteínas que no tienen relación con el
cáncer a partir de un análisis experimental de 13.023 genes en
11 casos de cáncer de mama y 11 casos de cáncer
colorrectal. Las secuencias de proteínas se transformaron en
grafos
tipo
estrella
y
en
los
índices
topológicos
correspondientes con la ayuda del S2SNet. Los TIs fueron
utilizados en los métodos estadísticos para encontrar modelos
de clasificación que predigan si una proteína nueva está
relacionada con los dos tipos de cáncer (mama y colorrectal).
En conclusión, se ha establecido una relación cuantitativa
proteínas – enfermedad.
79
Sólo con un método muy simple, el GDA (Método General de
Análisis discriminante), en concreto con el método Forward
Stepwise hemos encontrado un modelo que se caracteriza
por 89,9% y 90,3% de clasificación para el entrenamiento y la
validación. Los datos fueron divididos en dos partes: 75% casos
para el entrenamiento del modelo y 25% casos para su
validación. El mejor modelo obtenido para el cáncer
colorrectal es el siguiente:
CRC-score= -20.8+1.7*Tr3e+124.8*Se-Je+0.2*X2e-45.9*X5e,
donde CRC-score indica el grupo de clasificación para una
proteína nueva y Tr3e, Se, Je, X2e y X5e son índices
topológicos de los grafos de tipo estrella de las proteínas. El
sufijo “e” significa que el grafo estrella es “embedded”, que
significa que el grafo incluye las conectividades iniciales de
las secuencias proteicas.
Como
estudio
complementario,
hemos
utilizado
las
mutaciones genéticas naturales PAM250 para verificar si una
proteína que sufre estas mutaciones pueda tener relación con
el cáncer colorrectal o de mama.
80
4.5 IMPLEMENTACIONES ONLINE DE MODELOS
Nuestro grupo está desarrollando un nuevo portal de
Biomedicina, Bio-AIMS, dedicado a la implementación de los
modelos matemáticos publicados que se basan en grafos. Se
puede encontrar en http://miaja.tic.udc.es/Bio-AIMS/ y es una
colaboración con el departamento de Microbiología y
Parasitología de la Universidad de Santiago de Compostela.
Bio-AIMS es un portal que ofrece modelos teóricos basados en
Inteligencia Artificial, Biología Computacional y Bioinformática
para
estudiar
sistemas
complejos
en
genómica,
transcriptómica, metabolómica y otros que son pertinentes
para
el
cáncer,
cardiovasculares,
neurociencias,
parasitología,
enfermedades
microbiología
y
la
investigación biomédica en general (Figura 4.4). Los modelos
se basan en las herramientas MARCH-INSIDE [30], S2SNet [25],
Prot-2S [31] y MCeCoNet (en registro).
En
este
momento
estamos
llevando
a
cabo
la
implementación en Bio-AIMS de los modelos publicados para
el CRC y HBC que serán accesibles en la parte de TargetPred:
http://miaja.tic.udc.es/Bio-AIMS/TargetPred.php
81
Figura 4.4. Bio-AIMS, el nuevo portal online dedicado a la
implementación de modelos matemáticos basados en grafos
en el campo de la Biomedicina
4.6 PUBLICACIONES EN GRAFOS
Desde los principios del año 2009 hasta el momento, hemos
publicados una serie de artículos en revistas internacionales de
alto impacto y capítulos de libros con resultados teoréticos
basados en la teoría de los grafos:
y
CR Munteanu, JM Vázquez, J Dorado, A Pazos, Á
Sánchez-González, FJ. Prado-Prado and H GonzálezDíaz, Complex Network Spectral Moments for ATCUN
82
Motif DNA Cleavage: First Predictive Study on Proteins
of Human Pathogen Parasites, Journal of Proteomic
Research, pendiente de publicación (2009), doi:
10.1021/pr900556g
y
JM Vázquez, VAguiar, JA Seoane, A Freire, JA Serantes,
J Dorado, A Pazos, and CR Munteanu, Star Graphs of
Protein Sequences and Proteome Mass Spectra in
Cancer Prediction, Current Proteomics, pendiente de
publicación (2009)
y
R Concu, MA Dea-Ayuela, LG Perez-Montoto, FJ PradoPrado, E Uriarte, F Bolás-Fernández, G Podda, A Pazos,
CR Munteanu, FM Ubeira, and H González-Díaz, 3D
Entropy & Moments Prediction of Enzyme Classes and
Experimental-Theoretic Study of Peptide Fingerprints in
Leishmania Parasites, Biochimica et Biophysica Acta
1794(12), 1784–1794 (2009), http://miaja.tic.udc.es/BioAIMS/EnzClassPred.php
y
H
González-Díaz,
LG
Pérez-Montoto,
A
Duardo-
Sanchez, E Paniagua, S Vasquez-Prieto, R Vilas, MA
Dea-Ayuela, F Bolás-Fernandez, CR Munteanu, J
Dorado, J Costas, FM Ubeira, Generalized Lattice
Graphs for 2D-Visualization of Biological Information,
Journal of Theoretical Biology 261(1), 136-147 (2009)
83
y
Capítulo libro: H González-Díaz, G Ferino, S Vilar, CR
Munteanu, A Pazos, FJ Prado-Prado and E Uriarte
Villares, in An Omics Perspective on Cancer Research,
Springer Publisher, Protein Graphs in Cancer Prediction
in An Omics Perspective of Cancer, W.C.S. Cho (ed.),
Springer Science+Business Media B.V., doi:10.1007/97890-481-2675-0_7 (2009)
y
Capítulo libro: CR Munteanu, J Dorado, A Pazos, F
Prado-Prado, LG Pérez-Montoto, S Vilar, FM Ubeira, A
Sanchez-Gonzaléz, M Cruz-Monteagudo, S Arrasate, N
Sotomayor, E Lete, A Duardo-Sánchez, A Díaz-López, G
Patlewicz,
and
H
González-Díaz,
Markov
Entropy
Centrality: Chemical, Biological, Crime and Legislative
Networks, in Information theory of Complex Networks:
Statistical Methods and Applications, Springer Publisher
– aceptado, pendiente de publicación (2009)
y
Capítulo libro: H González-Díaz, G Agüero-Chapin, CR
Munteanu, F Prado-Prado, K-C Chou, A DuardoSanchez, G Patlewicz, and A López-Díaz, Alignmentfree
models
in
Plant
Genomics:
Theoretical,
Experimental, and Legal issues, in Plant Genomics,
Nova Science Publishers Inc. – aceptado (2009)
84
REFERENCIAS
[1] Welsh, J.B.; Sapinoso, L.M.; Su, A.I.; Kern, S.G.; Wang-Rodriguez,
J.; Moskaluk, C.A.; Frierson, H.F., Jr. and Hampton, G.M. Analysis
of
gene
expression
identifies
candidate
markers
and
pharmacological targets in prostate cancer. Cancer Res, 2001,
61, 5974-5978.
[2] Rivera, M.P. and Stover, D.E. Gender and lung cancer. Clin
Chest Med, 2004, 25, 391-400.
[3] Kirkegaard, T.; McGlynn, L.M.; Campbell, F.M.; Muller, S.; Tovey,
S.M.; Dunne, B.; Nielsen, K.V.; Cooke, T.G. and Bartlett, J.M.
Amplified in breast cancer 1 in human epidermal growth
factor receptor - positive tumors of tamoxifen-treated breast
cancer patients. Clin Cancer Res, 2007, 13, 1405-1411.
[4] Jain, K.K. Recent advances in clinical oncoproteomics. J Buon,
2007, 12 Suppl 1, S31-38.
[5] Cho, W.C. and Cheng, C.H. Oncoproteomics: current trends
and future perspectives. Expert Rev Proteomics, 2007, 4, 401410.
[6] González-Díaz, H.; Ferino, G.; Munteanu, C.R.; Vilar, S. and
Uriarte, E. In An Omics Perspective of Cancer, W.C.S. Cho, ed.;
85
Springer Science+Business Media B.V. , doi:10.1007/978-90-4812675-0_7, 2009.
[7] Andraos, J. Kinetic plasticity and the determination of product
ratios for kinetic schemes leading to multiple products without
rate laws: new methods based on directed graphs. Canadian
Journal of Chemistry, 2008, 86, 342-357.
[8] Chou, K.C. Review: Applications of graph theory to enzyme
kinetics and protein folding kinetics. Steady and non-steady
state systems Biophys Chem, 1990, 35, 1-24.
[9] Chou, K.C. and Zhang, C.T. Diagrammatization of codon
usage in 339 HIV proteins and its biological implication. AIDS
Research and Human Retroviruses, 1992, 8, 1967-1976.
[10] Qi, X.Q.; Wen, J. and Qi, Z.H. New 3D graphical representation
of DNA sequence based on dual nucleotides. J Theor Biol,
2007, 249, 681-690.
[11] Liao, B.; Xiang, X. and Zhu, W. Coronavirus phylogeny based
on 2D graphical representation of DNA sequence. J Comput
Chem, 2006, 27, 1196-1202.
[12] Randic, M. Condensed representation of DNA primary
sequences. J Chem Inf Comput Sci, 2000, 40, 50-56.
86
[13] Randic, M. and Balaban, A.T. On a four-dimensional
representation of DNA primary sequences. J Chem Inf Comput
Sci, 2003, 43, 532-539.
[14] Perez, M.A.; Sanz, M.B.; Torres, L.R.; Avalos, R.G.; Gonzalez, M.P.
and Diaz, H.G. A topological sub-structural approach for
predicting human intestinal absorption of drugs. Eur J Med
Chem, 2004, 39, 905-916.
[15] Agüero-Chapin, G.; Gonzalez-Diaz, H.; Molina, R.; VaronaSantos, J.; Uriarte, E. and Gonzalez-Diaz, Y. Novel 2D maps and
coupling numbers for protein sequences. The first QSAR study
of polygalacturonases; isolation and prediction of a novel
sequence from Psidium guajava L. FEBS lett, 2006, 580 723-730.
[16] Devillers, J. and Balaban, A.T. Topological Indices and Related
Descriptors in QSAR and QSPR, Gordon and Breach: The
Netherlands 1999.
[17] Barabasi, A.L. and Bonabeau, E. Scale-free networks. Sci Am,
2003, 288, 60-69.
[18] Balaban, A.T.; Basak, S.C.; Beteringhe, A.; Mills, D. and
Supuran, C.T. QSAR study using topological indices for inhibition
of carbonic anhydrase II by sulfanilamides and Schiff bases.
Mol Divers, 2004, 8, 401-412.
87
[19] Barabasi, A.L. and Oltvai, Z.N. Network biology: understanding
the cell's functional organization. Nat Rev Genet, 2004, 5, 101113.
[20] Barabasi, A.L. Sociology. Network theory-the emergence of
the creative enterprise. Science, 2005, 308, 639-641.
[21] González-Díaz, H.; Vilar, S.; Santana, L. and Uriarte, E.
Medicinal Chemistry and Bioinformatics – Current Trends in
Drugs Discovery with Networks Topological Indices. Curr Top
Med Chem, 2007, 7, 1025-1039.
[22] Ferino, G.; Gonzalez-Diaz, H.; Delogu, G.; Podda, G. and
Uriarte, E. Using spectral moments of spiral networks based on
PSA/mass spectra outcomes to derive quantitative proteomedisease relationships (QPDRs) and predicting prostate cancer.
Biochem Biophys Res Commun, 2008, 372, 320-325.
[23] Gonzalez-Diaz, H.; Gonzalez-Diaz, Y.; Santana, L.; Ubeira, F.M.
and Uriarte, E. Proteomics, networks and connectivity indices.
Proteomics, 2008, 8, 750-778.
[24] Van Waterbeemd, H. Chemometric methods in molecular
design, Wiley-VCH: New York 1995.
88
[25]
Munteanu,
C.R.
and
Gonzáles-Diáz,
H.:
Santiago
de
Compostela, Spain, 2008.
[26] Todeschini, R. and Consonni, V. Handbook of Molecular
Descriptors, Wiley-VCH 2002.
[27] Rappin, N. and Dunn, R. wxPython in Action, Manning
Publications Co.: Greenwich, CT 2006.
[28] Koutsofios, E. and North, S.C. Drawing Graphs with dot, AT&T
Bell Laboratories, Murray Hill: NJ, USA 1993.
[29] Munteanu, C.R.; Magalhaes, A.L.; Uriarte, E. and GonzalezDiaz, H. Multi-target QPDR classification model for human
breast and colon cancer-related proteins using star graph
topological indices. J Theor Biol, 2009, 257, 303-311.
[30] González-Díaz, H.; Molina-Ruiz, R. and Hernandez, I., 2005, pp.
MARCH-INSIDE version 2.0 (Markovian Chemicals In Silico
Design). Main author information requesting contact email:
[email protected].
[31] Munteanu, C.R. and Magalhaes, A.L. Prot-2S: a new python
web tool for protein secondary structure studies. Int J Bioinform
Res Appl, 2009, 5, 402-416.
89
Capítulo 5
EXPANSÃO DE TERMOS DE PESQUISA USANDO REDES DE
CONCEITOS ASSOCIADAS A GENES
Joel Arrais, Sérgio Matos, José Luís Oliveira
E-mail: {jpa, aleixomatos, jlo}@ua.pt
Universidade de Aveiro, IEETA/DETI - Portugal
5.1
INTRODUÇÃO
Recentes avanços na área da biotecnologia, juntamente
com
a
utilização
generalizada
de
métodos
de
alto
desempenho para análise de genes, ajudaram a transferir o
focus da investigação biomédica. O interesse anterior em
estudar um gene ou proteína específicos foi substítuido por
uma análise do problema biológico de um ponto de vista
mais sistémico. Como tal, os investigadores têm cada vez mais
a necessidade de planear as suas experiências e analisar os
seus resultados de acordo com a crescente informação
biomédica
disponível
[1].
Apesar
de
muito
deste
conhecimento ter vindo a ser anotado nas várias bases de
dados biológicas existentes, o rápido aparecimento de novos
90
resultados e o crescimento exponencial do número de
publicações científicas dificultam a tarefa de manter estas
bases de dados actualizadas. Desta forma, a literatura
científica mantém-se como a principal fonte de informação
para os investigadores, uma vez que muitos dos resultados da
investigação encontram-se apenas aí, sob a forma de texto
livre [2]. Existe, portanto, uma necessidade crescente de
ferramentas de mineração de texto e recuperação de
informação que auxiliem os investigadores na procura das
publicações mais relevantes para os seus estudos [3].
PubMed, o mais popular sistema de recuperação de
informação na área da biomedicina, permite o acesso a mais
de 17 milhões de citações indexadas na base de dados de
literatura MEDLINE [1]. No entanto, e apesar dos seus pontos
fortes, existem algumas limitações na utilização do PubMed e
outras ferramentas similares. Uma primeira limitação tem a ver
com o facto de as pesquisas dos utilizadores serem, muitas
vezes, incompletas. Isto leva a que os utilizadores tenham de
fazer várias iterações e modificações às suas expressões de
pesquisa de forma a encontrar a informação pretendida.
Outra limitação vem do facto de o PubMed não ordernar os
documentos devolvidos em termos da relevância para a
pesquisa efectuada pelo utilizador. Em vez disso, os resultados
são apresentados em ordem cronológica inversa, podendo os
91
documentos mais relevantes aparecer demasiado abaixo na
lista, o que faz com que dificilmente sejam encontrados pelo
utilizador.
Para
responder
aos
problemas
apresentados,
várias
ferramentas foram desenvolvidas recentemente, combinando
técnicas de extracção de informação, mineração de texto e
processamento de linguagem natural, para ajudar a procurar
os artigos mais relevantes na literatura biomédica [4-11]. Estas
ferramentas são, na sua maioria, baseadas na base de dados
de literatura MEDLINE e utilizam o conhecimento de domínio
disponível em recursos como Entrez Gene, UniProt, GO ou
UMLS, para processar os títulos e resumos dos textos e
apresentar a informação extraída em diferentes formas: frases
relevantes descrevendo um processo biológico ou ligando
duas ou mais entidades biológicas, redes de interligações, ou
em termos de estatísticas de co-occorrências entre termos do
domínio.
Apesar da existência de várias ferramentas específicas tal
como as citadas aqui, a necessidade de encontrar as
referências relevantes para um conjunto grande de genes
não se encontra ainda satisfeita. Isto constitui um tipo de
pesquisa bastante importante, uma vez que se trata de um
resultado
típico
de
muitas
técnicas
92
experimentais.
Um
exemplo, é um estudo de expressão génica, no qual depois
de medir os níveis relativos de expressão de mRNA de milhares
de genes, usualmente obtemos um sub-conjunto de genes
diferencialmente expressos que serão depois analisados em
maior detalhe [12]. Neste artigo, descrevemos o QuExT (Query
Expansion Tool), uma aplicação de indexação e recuperação
de informação que obtém, da base de dados MEDLINE, uma
lista ordenada de publicações que são mais significantes em
relação a um conjunto específico de genes. A recuperação e
ordenação dos documentos é baseada numa estratégia de
expansão de termos de pesquisa baseada em conceitos. Esta
expansão
de
termos
permite
alargar
o
conjunto
de
documentos resultantes de forma a incluir documentos que
foquem diferentes conceitos relacionados com os genes.
5.2
EXPANSÃO DE TERMOS DE PESQUISA
A ideia principal por trás do QuExT foi a de criar um sistema de
indexação
e
recuperação
de
documentos,
com
três
principais vantagens: a) permitir o estudo de um conjunto de
entidades biológicas, nomeadamente genes, numa única
pesquisa; b) permitir a expansão da expressão de pesquisa
usando termos relacionados; e c) permitir ao utilizador alterar
a ordenação dos documentos devolvidos através de um
esquema de pesos de utilização simples. Para alcançar isto,
93
desenvolvemos uma estratégia de expansão de termos de
pesquisa
baseada
em
redes
de
conceitos
biológicos
relacionados com os genes. Os termos de pesquisa são
expandidos usando estes conceitos, e a ordenação dos
documentos é feita através de pesos associados a estes
conceitos. Com este método, pretendemos abordar vários
problemas associados à recuperação de informação na área
da genómica, nomeadamente: como lidar com os vários
nomes e símbolos utilizados para um gene específico e como
lidar com esta variabilidade quando se tentar associar um
documento à pesquisa efectuada pelo utilizador; como
disponibilizar a informação pretendida pelo utilizador, em
termos de quais os conceitos relacionados com os genes nos
quais o utilizador está mais interessado;
qual a melhor
estratégia de expansão de termos para este problema
específico; e quais os melhores termos a utilizar para expandir
a pesquisa [13-17]. O desenvolvimento da aplicação focou-se
nestes aspectos, que são explicados em maior detalhe aqui e
representados na Figura 5.1.
94
Figura 5.1: Metodologia para expansão de termos de pesquisa
e ordenação dos documentos
95
5.2.1 Mapeamento e normalização dos nomes de genes
O primeiro problema está relacionado com os diferentes
identificadores de bases de dados utilizados para o mesmo
gene, entre as diferentes bases de dados e na literatura. Para
abordar o problema de mapeamento, desenvolvemos uma
base de dados local que integra informação dos recursos
biológicos mais representativos, incluindo UniProt, Entrez Gene,
KEGG e GO. Agrupando toda esta informação, obtemos
cerca de 7 milhões de entradas únicas para genes e mais de
140
milhões
de
relações
biológicas.
O
esquema
de
mapeamento de termos implementado na base de dados
funciona também como um thesaurus, através do qual os
diferentes nomes e símbolos de genes são validados e
normalizados para um identificador unívoco.
5.2.2 Expansão de termos
Em termos de expansão dos termos de pesquisa, seguimos
duas perspectivas diferentes. Primeiro, com vista a lidar com
os diferentes sinónimos encontrados na literatura para um
determinado gene, todos os sinónimos de cada gene na
pesquisa são obtidos da base de dados de integração e
incluídos na expressão de pesquisa. A segunda perspectiva,
expansão baseada em conceitos, permite aceder a outros
96
documentos que lidam com conceitos relacionados com os
genes, tal como proteínas ou vias metabólicas. A nossa
abordagem é baseada em redes de conceitos biológicos que
ligam cada gene aos seus conceitos associados, que são
adicionados à expressão de pesquisa. Estas redes são
implementadas através de relações directas na base de
dados de integração. As seguintes colunas são utilizadas para
expansão da pesquisa: identificadores de genes, nomes de
proteínas, e vias metabólicas.
A expansão da pesquisa é efectuada da seguinte forma:
para cada gene na expressão de pesquisa, o algoritmo
obtém, da tabela de expansão de termos correspondente,
todos os nomes alternativos para genes, proteínas e vias
metabólicas associados ao ID normalizado desse gene. A lista
completa de termos, para todos os genes da pesquisa, é
acumulada em três expressões de pesquisa distintas, uma
para cada tipo de conceito. Aos termos que estejam
associados a mais de um gene é atribuído um peso
correspondente, que é utilizado na construção da expressão
de pesquisa. Estas expressões são então utilizadas na fase de
recuperação dos documentos, conforme explicado a seguir.
97
5.2.3 Indexação e recuperação de documentos
Para uma recuperação eficiente da informação, o QuExT
utiliza um índex local da base de dados PubMed. O título e o
resumo de cada documento são analisados e indexados
como um campo único, mas não são guardados localmente.
Em vez disso, cada documento indexado é associado ao
identificador PubMed (PMID) correspondente. Desta forma,
elimina-se a necessidade de guardar os resumos, reduzindo
assim os requisitos da aplicação.
A
recuperação
dos
documentos
é
executada
separadamente para cada conceito (gene, proteína e via
metabólica). As expressões de pesquisa obtidas da fase de
expansão de termos são utilizadas para encontrar os
documentos
relevantes
no
índex.
Estes
resultados
são
mantidos em três listas separadas, cada uma consistindo de
pares de ID de documento e um valor (score).
5.2.4 Esquema de pesos
De forma a produzir a lista final ordenada para devolver ao
utilizador,
os
resultados
da
fase
de
recuperação
de
documentos são agrupados e reordenados em termos dos
pesos atribuídos a cada conceito. Este procedimento pode
98
ser descrito, para cada documento i através da seguinte
expressão:
Ntc
Scorei
¦W j u sij
(1)
j 1
onde j é a classe de conceito da expansão; Ntc é o número
total de classes de conceitos (actualmente, três); Wj é o peso
atribuído ao conceito da classe j; e sij representa o score para
o documento i em termos da classe de conceito j.
5.3 RESULTADOS
Este artigo apresenta QuExT, uma nova ferramenta de
recuperação e prioritização de documentos baseada no
PubMed, que obtém, para uma lista de genes, os resultados
mais relevantes da literatura. QuExT segue uma metodologia
de expansão de pesquisa orientada por conceitos para
encontrar documentos contendo conceitos relacionados com
os genes dados pelo utilizador, como proteínas e vias
metabólicas. Os documentos devolvidos são ordenados de
acordo com pesos definidos pelo utilizador para cada classe
de conceitos. Mudando estes pesos, os utilizadores podem
modificar a ordenação dos resultados de forma a focarem-se
em documentos centrados num determinado conceito.
99
Figura 5.2. QuExT – janela de exploração de resultados
QuExT está disponível livremente através de uma aplicação
online (http://bioinformatics.ua.pt/quext). A Figura 5.2 ilustra a
janela de exploração de resultados. O utilizador pode alterar
os pesos atribuídos a cada conceito através do uso das barras
do lado direito do ecrã. A interface permite também mostrar
cada
resumo
individual
ou
navegar
para
a
entrada
correspondente no PubMed, GoPubMed ou iHOP.
Uma
ampla
variedade
de
ferramentas
online
para
recuperação de informação disponibiliza versões optimizadas
ou especializadas das funcionalidades de pesquisa oferecidas
pelo PubMed. Cada um destes sistemas tem características
100
distintas e pode ser preferido por certos utilizadores ou para
resolver problemas específicos. No entanto, a ferramenta que
aqui propomos oferece três funcionalidades que, no nosso
conhecimento, não estão disponíveis em conjunto em
qualquer outra ferramenta. Primeiro, a expansão automática
de cada identificador de gene na pesquisa inicial para um
conjunto
de
conceitos
biologicamente
relacionados.
Segundo, o método de recuperação e ordenação dos
documentos foi desenvolvido especificamente para dar maior
relevância a termos que estão relacionados com mais de um
gene da lista inicial. Desta forma, os documentos que
contenham estes termos terão uma ordenação mais alta no
resultado final. Terceiro, ao permitir aos utilizadores definirem
diferentes pesos para classe de conceitos usados na
expansão da pesquisa, a ferramenta permite aos utilizadores
explorarem a literatura científica de prespectivas diferentes,
focando em aspectos particulares da biologia básica do
gene. Em conjunto, estas características tornam o QuExT uma
ferramenta única para abordar o problema de seleccionar os
artigos científicos mais relevantes que combinem informação
relacionada com um conjunto de genes, como o resultado de
uma experiência de expressão génica.
Uma possível limitação do sistema actual é que apenas três
classes de conceitos são utilizadas para expansão da
101
pesquisa. No entanto, a flexibilidade do esquema de
expansão de termos e de pesagem permite a inclusão de
mais conceitos de uma forma simples. Estamos correntemente
a investigar a inclusão de novos conceitos, tais como termos
da Gene Ontology, para enriquecer a expansão da pesquisa.
Iremos também explorar a possibilidade de incluir informação
de outras bases de dados para complementar os conceitos já
existentes. Da mesma forma, actualmente apenas sete
organismos são suportados: Homo sapiens, Mus musculus,
Rattus
norvegicus,
Candida
albicans,
Saccharomyces
cerevisiae, Drosophila melanogaster and Apis mellifera. A
inclusão de
um
novo
organismo
requer
apenas
uma
actualização da informação na base de dados, e poderá ser
facilmente efectuada caso exista essa necessidade por parte
dos utilizadores.
Uma dificuldade importante em sistemas de recuperação de
informação
em
biomedicina
tem
a
ver
com
o
reconhecimento de nomes de entidades no texto, tal como
nomes de genes, proteínas e de vias metabólicas. Por
exemplo, o gene “ATP-binding cassette sub-family A member
1” pode aparecer de formas distintas na literatura. Estas
incluem variações lexicais do nome complete do gene, tal
como variações morfológicas dos símbolos do gene (ABC1,
ABC-1 ou ABC 1). O nosso método de indexação actual não
102
lida de forma completa com estas variações. A nossa
investigação actual inclui o estudo do uso de algoritmos de
comparação de sequências e estratégias baseadas em
regras durante a indexação de forma a lidar com esta
limitação e melhorar o desempenho na recuperação de
documentos. Nesse sentido, serão consideradas técnicas
similares às já propostas na literatura [15-16].
De forma a melhorar o sistema proposto, também temos
como objectivo incluir no esquema de indexação outra
informação sobre cada documento, tal como os termos MeSH
obtidos da MEDLINE e identificadores de bases de dados dos
conceitos que ocorrem no documento. Estas características
permitirão a categorização dos documentos em termos do
sistema MeSH e oferecer ligações para as fontes de dados de
cada conceito encontrado nos documentos.
5.4 CONCLUSÕES
Este artigo apresenta QuExT, uma ferramenta de recuperação
e prioritização de documentos especialmente desenvolvida
para obter da literatura os artigos mais relevantes para uma
lista de genes. QuExT implementa um esquema de expansão
de
termos
informação
baseada
em
relacionada
conceitos
com
103
genes
que
aproveita
disponível
a
numa
variedade de recursos biológicos, de forma a encontrar
documentos contendo conceitos relacionados com os genes,
tais como nomes de proteínas e vias metabólicas. A principal
inovação da aplicação proposta é a possibilidade de
modificar os pesos atribuídos a cada classe de conceitos
utilizados na expansão da pesquisa: nomes e símbolos de
genes, nomes de proteínas, e vias metabólicas. Isto dá ao
utilizador o controlo de como os termos de pesquisa
expandidos afectam a ordenação final dos resultados. O
utilizador
pode,
por
exemplo,
seleccionar
dar
mais
importância aos nomes de vias metabólicas, desta forma
trazendo para o topo da lista de resultados os documentos
nos quais sejam referidas as vias metabólicas associadas aos
genes da pesquisa. Apesar de ser necessária uma avaliação
detalhada
e
comparação
com
outras
ferramentas,
a
utilização de pesos para os conceitos para modificar a ordem
dos resultados representa uma vantagem significativa quando
comparado com outros método disponíveis.
104
REFERÊNCIAS
[1] Jensen LJ, Saric J, Bork P: Literature mining for the biologist:
from information retrieval to biological discovery. Nat Rev
Genet 2006, 7(2):119-129.
[2] Rebholz-Schuhmann D, Kirsch H, Couto F: Facts from text—is
text mining ready to deliver? PloS Biol 2005, 3(2):e65.
[3] Shatkay H: Hairpins in bookstacks: information retrieval from
biomedical text. Brief Bioinform 2005, 6(3):222-238.
[4] Weeber M, Kors JA, Mons B: Online tools to support literaturebased discovery in the life sciences. Brief Bioinform 2005,
6(3):277-286.
[5] Doms A, Schroeder M: GoPubMed: exploring PubMed with the
Gene Ontology. Nucleic Acids Res 2005, 33(Web Server
issue):W783-786.
[6] Hoffmann R, Valencia A: A gene network for navigating the
literature. Nat Genet 2004, 36(7):664.
[7] Plake C, Schiemann T, Pankalla M, Hakenberg J, Leser U:
AliBaba: PubMed as a graph. Bioinformatics 2006, 22(19):24442445.
[8] Rebholz-Schuhmann D, Kirsch H, Arregui M, Gaudan S,
Riethoven M, Stoehr P: EBIMed—text crunching to gather facts
for proteins from Medline. Bioinformatics 2007, 23(2):e237-244.
105
[9] Tsuruoka Y, Tsujii J, Ananiadou S: FACTA: a text search engine
for finding associated biomedical concepts. Bioinformatics
2008, 24(21):2559-2560.
[10] Chen
H,
Sharp
BM:
Content-rich
biological
network
constructed by mining PubMed abstracts. BMC Bioinformatics
2004, 5:147.
[11] Miyao Y, Ohta T, Masuda K, Tsuruoka Y, Yoshida K, Ninomiya T,
Tsujii Ji: Semantic retrieval for the accurate identification of
relational concepts in massive textbases. In: Proceedings of
the 21st International Conference on Computational Linguistics
and
the
44th
annual
meeting
of
the
Association
for
Computational Linguistics. Sydney, Australia: Association for
Computational Linguistics; 2006.
[12] Arrais J, Santos B, Fernandes J, Carreto L, Santos MAS, Oliveira
JL: GeneBrowser: an approach for integration and functional
classification of genomic data. J Integrative Bioinformatics
2007, 4(3).
[13] Schuemie MJ, Mons B, Weeber M, Kors JA: Evaluation of
techniques for increasing recall in a dictionary approach to
gene and protein name identification. J Biomed Inform 2007,
40(3):316-324.
106
[14] Koike A, T T: Gene/protein/family name recognition in
biomedical literature. In: BioLINK 2004: linking biological
literature,
ontologies,
and
databases.
Association
for
Computational Linguistics; 2004: 9-16.
[15] Chen L, Liu H, Friedman C: Gene name ambiguity of
eukaryotic nomenclatures. Bioinformatics 2005, 21(2):248-256.
[16] Lu Y, Fang H, Zhai C: An empirical study of gene synonym
query expansion in biomedical information retrieval. Inf Retr
2009, 12(1):51-68.
[17] Stokes N, Li Y, Cavedon L, Zobel J: Exploring criteria for
successful query expansion in the genomic domain. Inf Retr
2009, 12(1):17-50.
107
Capítulo 6
LA PROTEÓMICA Y SU UTILIDAD EN INVESTIGACIÓN
BIOMÉDICA
Cristina Ruiz-Romero, Francisco J. Blanco y Alejandro Pazos.
Unidad
de
Proteómica,
Laboratorio
de
Investigación
Osteoarticular y del Envejecimiento – Instituto de Investigación
Biomédica de A Coruña (INIBIC) - España
6.1
INTRODUCCIÓN
La Proteómica es un área de la Biología cuyo objetivo es el
estudio de los proteomas. Un proteoma es el conjunto de
proteínas expresadas por un genoma en una célula o tejido.
El término proteoma fue utilizado por primera vez en 1995. En
aquellos momentos, la enorme cantidad de información
generada por los proyectos de secuenciación de genomas y
la consecuente necesidad de descifrar esta información
comenzaron a desplazar el foco de atención hacia el estudio
108
directo de las proteínas, su estructura, su función, sus
interacciones
y
sus
modificaciones. Hubo
dos
factores
decisivos para el desarrollo de la proteómica:
(1) Por un lado, la mencionada secuenciación de
genomas a gran escala, que permitió que se conociera la
secuencia de todos los genes de un organismo, pero no su
función (ejercida realmente por las proteínas que codifican
esos genes).
(2) Por otro lado, el enorme avance que se ha
producido en los últimos años en el desarrollo de técnicas de
separación y análisis de proteínas (fundamentalmente la
Electroforesis Bidimensional, la Cromatografía Líquida, la
Espectrometría de Masas y la Bioinformática).
6.2
COMPLEMENTARIEDAD GENÓMICA-PROTEÓMICA
La secuenciación del genoma humano ha permitido conocer
el número de genes que poseemos, y también que dicho
número no es muy diferente al de otros organismos. Este dato
remarca el hecho de que la complejidad de los distintos
organismos recae más bien en las proteínas, ya que un mismo
gen puede dar lugar a diferentes formas proteicas. Además,
las proteínas pueden a su vez sufrir diferentes modificaciones
post-traduccionales
para
realizar
109
su
función,
así
como
interaccionar
con
otras
proteínas
formando
complejos
proteicos que son los responsables en último término de
ejercer la función génica.
Todas estas características inherentes a las proteínas hacen de
la Proteómica una ciencia enormemente compleja. A
diferencia del genoma, el proteoma es un elemento
altamente dinámico, ya que sus componentes variarán en un
organismo, tejido, célula o compartimiento subcelular como
consecuencia
de
cambios
en
su
entorno,
estrés,
administración de drogas, estado fisiológico, etc. Así, el
número de proteínas presentes en un momento dado puede
incrementarse
o
disminuir
de
forma
notable
como
consecuencia de la activación o supresión de determinados
genes, y también pueden producirse cambios en su estado de
modificación post-traduccional o en la forma en la que
interaccionan para formar complejos macromoleculares.
La Proteómica, por tanto, es un área que proporciona un
conjunto de herramientas muy poderosas para el estudio a
gran escala de la función de los genes a nivel de proteína
(Genómica Funcional). El conocimiento de la relación entre
estructura y función de estas macromoléculas lleva mucho
más tiempo que la determinación de la secuencia génica
110
que lo ha originado, pero aporta mucho más al conocimiento
básico y aplicado. La Proteómica es mucho más lenta y
compleja que la genómica, pero al fin y al cabo será la que
dará la clave de la función de los genes. Poseer el mapa del
genoma de un organismo o célula es un buen punto de
partida, pero no el fin en sí. Por ello, la aplicación de la
proteómica tiene un enorme potencial en el área de la
biomedicina para el desarrollo de métodos de diagnóstico,
fármacos, vacunas, etc.
6.3
APLICACIONES DE LA PROTEÓMICA EN
BIOMEDICINA
La gran cantidad de aplicaciones que tiene la Proteómica ha
impulsado en los últimos años su utilización para abordar
numerosos estudios. Actualmente se están llevando a cabo
estudios proteómicos en campos muy diversos (como la
biotecnología o las ciencias medioambientales), siendo los
avances más destacados los conseguidos en el área de la
biomedicina.
Como ejemplo de aplicaciones de la Proteómica en
biomedicina pueden destacarse:
- Avances
en
investigación
cardiovascular:
técnicas
proteómicas para identificar proteínas de membrana en
111
células
endoteliales,
vasculares
y
estudio
arteriosclerosis
de
enfermedades
mediante
análisis
proteómico, descubrimiento de nuevos marcadores de
diagnóstico en infartos…
- Estudios
en
cáncer:
identificación
de
marcadores
clínicos y dianas terapéuticas en distintos tipos de
cánceres, avances en diagnóstico precoz y terapia
individualizada, trabajos de caracterización de células
madre hematopoyéticas…
- Estudios de fármaco-toxicología: quimiorresistencia en
células cancerosas, ensayos de respuesta terapéutica…
- Enfermedades
infecciosas:
perfiles
de
respuesta
inmunitaria en plasma como indicadores diagnósticos,
modificaciones de los proteomas de patógeno y
huésped
en
infecciones,
proteomas
de
microorganismos…
- Sistema
nervioso
central:
estudios
proteómicos
en
neurociencia, aplicaciones para el diagnóstico del
Alzheimer y otras enfermedades degenerativas…
- Reumatología: estudio proteómico de enfermedades
reumáticas y búsqueda de proteínas características en
el desarrollo de las mismas, estudio de proteínas
autoinmunes en la artritis reumatoide…
112
6.4
TÉCNICAS EMPLEADAS EN PROTEÓMICA
La Proteómica no es nueva en sus bases experimentales, pero
ha dado un gran salto cualitativo y cuantitativo gracias al
desarrollo convergente en diferentes áreas de investigación,
tales como la mencionada disponibilidad de los genomas
completos de un número creciente de organismos, incluido el
hombre,
la
potencia
de
computación
actual
y
las
herramientas bioinformáticas, y finalmente, un refinamiento sin
precedentes en las técnicas de análisis, tanto en sus
posibilidades como en sensibilidad.
Básicamente, la Proteómica involucra a un conjunto de
técnicas destinadas a:
I) Separar las proteínas: electroforesis bidimensional de alta
resolución
(2D-PAGE)
y
cromatografía
líquida,
principalmente.
II) Analizar y cuantificar las proteínas separadas: escáner,
cámaras de fluorescencia, programas informáticos de
densitometría.
III) Identificar y caracterizar las proteínas de interés:
principalmente mediante espectrometría de masas.
IV) Almacenar y compartir los datos: herramientas
bioinformáticas, bancos de datos de proteínas y geles 2D,
servidores en internet, etc.
113
La separación de proteínas puede realizarse mediante
técnicas
clásicas,
como
la
electroforesis
en
geles
de
poliacrilamida con SDS (monodimensional) o la cromatografía
líquida.
Sin
embargo,
una
de
las
metodologías
más
generalmente empleadas en estudios proteómicos es la
electroforesis bidimensional (2DE), debido a su versatilidad y a
la gran cantidad de información que aporta.
La electroforesis bidimensional (Figura 6.1) es una técnica que
permite la separación de mezclas complejas de proteínas
dando lugar al denominado “Mapa proteómico” del extracto
en cuestión, con el fin de visualizar las proteínas que se
estaban expresando en la célula o tejido de forma individual.
Esta técnica consta de los siguientes pasos:
1) Preparación de la muestra para análisis 2D.
2) Separación de las proteínas en una primera dimensión,
de acuerdo a su punto isoeléctrico (isoelectroenfoque). Para
ello se emplean tiras comerciales con un gradiente de pH
inmovilizado (IPG).
3) Separación de las proteínas en la segunda dimensión,
según su masa molecular (electroforesis clásica SDS-PAGE).
Esto se realiza en geles de poliacrilamida.
4) Detección de las proteínas separadas para obtener el
mapa proteómico. Las proteínas se tiñen o marcan con nitrato
de plata, azul de Coomassie o compuestos fluorescentes.
114
Figura 6.1: Electroforesis monodimensional (A) y
bidimensional (B) de proteínas. Pm: Peso molecular; pI: punto
isoeléctrico.
6.5 ANÁLISIS DE LAS PROTEÍNAS SEPARADAS
MEDIANTE ELECTROFORESIS BIDIMENSIONAL.
El siguiente paso en el estudio de los proteomas consiste en el
análisis
de
las
proteínas
separadas
en
los
mapas
bidimensionales. Para ello, es necesario digitalizar esa imagen
para posteriormente analizar la información con ayuda de
programas informáticos específicos de análisis de mapas 2D.
La adquisición de las imágenes se realiza empleando
escáneres o cámaras específicas que tengan un rango
dinámico amplio (al menos, el correspondiente al del
115
compuesto utilizado en la tinción), con el fin de optimizar la
cuantificación.
Una vez se ha convertido el mapa bidimensional en una
imagen electrónica, la información que presenta se analiza
con programas dedicados al análisis de geles 2D para
detectar, cuantificar y caracterizar las proteínas presentes en
los mapas.
116
REFERENCIAS
[1] Proteins and Proteomics: A Laboratory Manual. Richard J.
Simpson. CSHL Press, 2003.
[2] Biomedical
Applications
of
Proteomics.
Jean-Charles
Sanchez, Garry L. Corthals, Denis F. Hochstrasser. WileyVCH, 2004.
[3] Proteomics: A Cold Spring Harbor Laboratory Course
Manual.
Andrew J. Link, Philip Andrews, Joshua LaBaer.
CSHL Press, 2008.
[4] Proteomics in Practice: A Guide to Successful Experimental
Design. Reiner Westermeier, Tom Naven, Hans-Rudolf
Höpker. Wiley-VCH, 2008.
117
Capítulo 7
APLICACIÓN DE TÉCNICAS COMPUTACIONALES AL
ANÁLISIS DE IMÁGENES DE GELES 2D
Ana Freire, José A. Seoane y Julián Dorado
E-mail: {ana.freire, jseoane, julian}@udc.es
7.1
INTRODUCCIÓN
Cada célula humana comparte el mismo ADN, sin embargo,
después de especializarse, cada tipo de célula realiza
funciones diferentes. Estas funciones vienen dadas por los
genes que se están expresando en distintos momentos. La
expresión en un nivel superior o inferior a lo normal provocará
un funcionamiento incorrecto de la célula. Las enfermedades
que tengan una componente genética se podrían llegar a
diagnosticar midiendo esas diferencias en los niveles de
expresión de proteínas en las células.
El problema en este punto es que pudiendo haber cientos de
proteínas expresadas, muchas de ellas tienen una expresión
118
normal y solamente unas pocas indican un comportamiento
patológico de la célula. Disponer de un valor de expresión de
cada una de estas proteínas permite, mediante estudios de
asociación, obtener conjuntos de proteínas con expresión
anómala que funcionen como indicadores de predisposición
genética a manifestar alguna enfermedad.
Sin embargo, el conseguir el valor de expresión de cada
proteína plantea problemas debido a las técnicas empleadas
para obtener esta expresión, los geles de electroforesis
bidimensional. En un gel 2D, las proteínas se pueden ver como
puntos de tamaño variable dependiendo del nivel de
expresión de cada proteína en un momento dado en ese tipo
de célula. Dichas proteínas o spots, se colocan en la superficie
del gel en función de su masa y de su potencial isoeléctrico
en una coordenada concreta (X,Y). De este modo, y teniendo
en cuenta las condiciones variables de la prueba, se puede
identificar una proteína dependiendo de sus características y
posición relativa dentro del gel.
De esta manera, se podría realizar una imagen “maestro” que
presentase todas las proteínas que se expresan normalmente
en un gel de un paciente sano, y una imagen “maestro”
formada por proteínas de pacientes que presenten cierta
patología, de manera que, para diagnosticar la patología en
119
un nuevo paciente, únicamente sería necesario comparar las
proteínas de la imagen del paciente y de la imagen maestro.
Esta comparación no es trivial, ya que implica la identificación
de una proteína, que, debido a las condiciones variables de
la prueba, puede variar de posición entre la imagen maestro y
la imagen de referencia.
En este capítulo se describe un sistema que realiza la
comparación de una imagen de un gel de un paciente y la
de una imagen de un gel de referencia sano o con alguna
patología. Dicha comparación consistirá en la identificación
de las proteínas de la imagen maestro en la imagen del
paciente. La ausencia de estas proteínas en el maestro de
sano o la presencia de alguna en el maestro de enfermo,
indicará una patología
7.2
ANTECEDENTES
Cuando se analizan imágenes provenientes de geles 2D, hay
una imagen de referencia que representa una distribución de
proteínas para condiciones normales. En este caso, las
moléculas se etiquetan a partir de un análisis con un
espectrómetro de masas, de manera que se tiene una
referencia de la posición que ocupa cada proteína dentro del
gel. Por otro lado se obtienen las imágenes del paciente. En
120
este caso la posición de las proteínas es desconocida. La
comparación
entre
ambas
imágenes
proporciona
una
correlación entre las proteínas, lo que permite establecer un
diagnóstico basado en la diferencia de expresión de cada
par.
El análisis de las imágenes de geles 2D es cada vez más
complejo debido a la variabilidad entre los distintos procesos
de
electroforesis.
Consecuentemente,
obtener
la
correspondencia entre las proteínas entre distintas imágenes
es cada vez una tarea más compleja. La posición, la forma, el
tamaño y la intensidad de una proteína puede variar mucho
de una imagen a otra, incluso puede no existir, por lo que la
correspondencia podría no llevarse a cabo. Debido a esto, las
técnicas de procesado digital de imagen son indispensables
en estos análisis.
7.2.1 Análisis de geles de electroforesis
Hay múltiples soluciones para realizar el emparejamiento entre
proteínas de varios geles. Existen varios paquetes de software
que permiten tratar este problema, como por ejemplo
Nonlinear Dynamicas Samespots [1], Decodon Delta 2D [2] o
Genebio Melanie [3]. Estos paquetes permiten realizar el
alineamiento automático completo de las imágenes, así
121
como la posterior corrección manual de estas. Además de
estos paquetes software existen varios métodos de análisis de
imagen
para
emparejar
proteínas
de
geles
2D.
Estas
aproximaciones se pueden dividir en dos grupos. Por un lado,
las técnicas basadas en landmarks y aquellas que usan
información de intensidad. Un landmark es una característica
de la imagen de la cual se intenta obtener información. En el
contexto de las imágenes de proteómica, los landmarks son
identificados como proteínas (puntos negros sobre fondo
blanco) con una distribución espacial desconocida que debe
ser obtenida. Las medidas de intensidad se refieren a la
función del nivel de gris correspondiente a cada píxel en la
imagen.
En las aproximaciones basadas en landmarks [4-6], la
detección de las coordenadas para los centros de las
proteínas se realiza en primer lugar usando una aproximación
basada en gradiente o en watersheed (que realiza la
segmentación de la imagen basada en los niveles de gris).
Normalmente se usan las características morfológicas de la
proteína para su detección, como son el borde elíptico o
circular. El proceso de matching entre la imagen de
referencia y la imagen test se realiza por medio de
triangulación Delaunay [7]. Esta técnica consiste en un red de
triángulos donde la circunferencia circunscrita en cada
122
triangulo no contiene ningún vértice de otro triangulo. Un
sistema basado en matching de los centros de los spots se
presenta en [5].
En este caso, la detección de bordes se
realiza como en [4], considerando diversas características de
las proteínas, con el objetivo de separar las proteínas
solapadas. El matching basado en las coordenadas de los
centros de las proteínas también se realiza en [6], siguiendo la
aproximación denominada fuzzy matching. Esta aproximación
calcula la proteína más cercana a cada proteína de
referencia dentro de cierto rango.
Otros proyectos de investigación se centran en la distribución
de intensidad en la imagen para realizar el alineamiento entre
los dos geles. Con esta aproximación, se evita el coste de la
extracción de landmarks. El principal objetivo de [8] es
encontrar el alineamiento usando matching de regiones
(rectángulos que contienen varias moléculas) en lugar de
matching de spots. En [9] así como en los más recientes [10,11]
se realiza el matching calculando la correlación entre la
distribución de intensidad entre la imagen test y la imagen
referencia. La estrategia seguida para realizar el registro de la
imagen es una solución iterativa basada en la selección de
imágenes
aumentando
gradualmente
la
resolución,
obteniendo en cada paso una transformación más precisa.
123
Las técnicas basadas en imagen hacen un mejor uso de la
información que las aproximaciones basadas en landmark,
aunque, por otro lado estas técnicas son más vulnerables a las
variaciones intrínsecas de este tipo de imágenes.
En todo caso, ninguna de las dos aproximaciones alcanza
unos resultados suficientemente buenos en escenarios reales,
debido a la complejidad del problema. Este hecho hace que
la información basada únicamente en texturas o únicamente
en landmark sea inadecuada para resolver el problema de la
correspondencia entre imágenes de geles 2D.
Partiendo de estas dos técnicas, existen aproximaciones
hibridas de ambas, como el algoritmo de “Iterative Closest
Point”
[12],
usado
para
resolver
problemas
de
emparejamiento entre puntos de una imagen test y una
imagen de referencia usando la distancia euclídea [13,14].
Estos trabajos proponen una nueva métrica de distancia que
combina la distancia euclídea con información relativa a la
forma y a la intensidad del spot. El objetivo de otros trabajos,
como
[15]
es
encontrar
una
función
que
realice
el
alineamiento de las imágenes usando un modelo de
deformación no lineal (b-splines). La optimización se basa en
la distancia Lavenberg.Marquardt (LM) [16]. Este método
124
realiza un ajuste paramétrico teniendo en cuenta un modelo
matemático predeterminado.
En [17], se seleccionan algunos pares de spots en ambas
imágenes. Esta información sobre la correspondencia de los
landmarks se introduce como parte de una función de
energía, que se minimiza para realizar la transformación. Los
centros se detectan modelando las proteínas como funciones
gausianas 2D invertidas, usando el ajuste LM. Una nueva
versión de este trabajo [18] se presentó en 2008, usando como
función de energía la ecuación de Navier, que normalmente
se usa para modelar el movimiento de fluidos viscosos. El uso
de
esta
función
permite
modelar
los
efectos
de
la
deformación del gel en el alineamiento de los puntos.
Como consecuencia del análisis de los métodos expuestos
anteriormente, se decidió optar por una aproximación hibrida.
Por un lado, se usará información sobre la textura de la
imagen para encontrar correspondencia entre regiones de
dos geles. Por otro lado, la información sobre landmarks es
también útil, ya que los centros de las proteínas se utilizan para
definir regiones que son comparadas y para ajustar los
resultados de la comparación.
125
7.3
ALGORITMO PROPUESTO
Establecer una correspondencia entre las moléculas de dos
imágenes diferentes puede ser una tarea difícil. Como se ha
mencionado anteriormente, está dificultad se debe a los
desplazamientos potenciales o la aparición de cambios entre
las proteínas de dos imágenes diferentes.
Se han estudiado algunas técnicas de flujo óptico con el
objetivo de encontrar una solución para este escenario. Estas
técnicas, usadas para la estimación de movimiento, consisten
en un procedimiento matemático que analizan las variaciones
de intensidad en una secuencia de imágenes.
7.3.1 Block-matching
Entre las técnicas de flujo óptico, se ha escogido el ajuste de
regiones (block-matching), porque está diseñado para medir
los desplazamientos debidos a movimientos no lineales con un
alto grado de deformaciones. Debido a estas características,
esta técnica es especialmente útil para el análisis de fluidos.
Dado que las imágenes de proteómica se obtienen a partir de
fluidos viscosos (geles de poliacrilamida), se espera un buen
resultado de la aplicación del método en este contexto.
126
Las aproximaciones de block-matching consideran un espacio
de correspondencia reducido, con el objetivo de lograr
mejores aproximaciones que los casos de exploración global.
Estas técnicas [19-21] normalmente se basan en 3 pasos:
En un primer paso la imagen se subdivide en regiones,
siguiendo diferentes criterios. La aproximación más simple es
seleccionar regiones no solapadas de tamaño determinado,
llamados bloques.
Posteriormente, se calcula el desplazamiento de las regiones
entre las dos imágenes, asumiendo las distorsiones locales
causadas por el desplazamiento. Considerando regiones
suficientemente
pequeñas
y
espacios
de
tiempo
suficientemente cortos, las características de cada región no
se verán afectadas por el movimiento. Posteriormente cada
bloque se compara con los bloques próximos maximizando la
similitud o minimizando la medida de distancia.
7.3.2 Block-matching modificado
El
proceso
descrito
anteriormente
no
se
ajusta
completamente a un escenario de imágenes de geles 2D.
Esto es debido a la hipótesis planteada en el block-matching
genérico,
que
sostiene
que
127
si
el
desplazamiento
es
suficientemente pequeño, la textura de la región sigue siendo
la misma. En el campo de las imágenes de geles 2D, esta
hipótesis no se cumple, debido a que las imágenes no son
parte de una secuencia temporal que varía en función del
tiempo, en las que hay pocos cambios de una imagen a la
siguiente. En proteómica, las imágenes son independientes.
De hecho, la variabilidad aumenta debido a los cambios
experimentados por las proteínas en diferentes imágenes. Esto
provoca que el uso de ciertas medidas de similitud presente
en ciertas restricciones, porque la diferencia entre una región
y su región correspondiente en imágenes de geles 2D es muy
alta.
Aunque el resultado de la exploración sea correcto, puede no
cumplir el criterio de mínima diferencia. Debido a esto, el
sistema no detectara el desplazamiento que se ha producido.
Se requiere por tanto una medida de similitud que esté
basada en una distribución estadística de los niveles de
intensidad del spot. Esta medida debe ser robusta debido a
que todos estos factores varían enormemente entre los
ejemplos.
Por todas estas razones, se ha desarrollado un nuevo método
de
block-matching, que
propone
diferentes
estrategias
específicas para adaptar el block-matching genérico a las
128
imágenes de geles 2D de proteómica. El proceso sería el
siguiente:
En primer lugar, el usuario selecciona una serie de proteínas en
la imagen de referencia que serán localizadas en la imagen
test.
Esta
selección
se
realiza
proporcionando
las
coordenadas donde están localizadas las proteínas. Al
contrario que en el algoritmo de block-matching genérico, no
toda la imagen se divide en bloques, sino que solo se marcan
tantos bloques como proteínas ha seleccionado el usuario.
El sistema refina las coordenadas proporcionadas por el
usuario para que indiquen exactamente el centro de la
proteína. Estos puntos refinados indican además el centro del
bloque en el que se divide la imagen. Para realizar esta tarea
se utiliza el ajuste LM. Una vez que el usuario selecciona un
punto, que debe estar en el área próxima al centro de la
proteína, el sistema extrae el centro de la proteína usando el
ajuste LM. Esta área puede ser determinada usando diferentes
métodos de búsqueda, pero el utilizado en esta aproximación
es la búsqueda en onda (wave search), que consiste en que
la coordenada marcada por el usuario representa el centro
de una circunferencia, de un radio determinado. El radio se
incremente (hasta un máximo), hasta que alcance el borde
de la proteína (un valor de intensidad que supere cierto
129
umbral) y contenga el centro de la proteína (un valor de
intensidad menor que otro umbral). El punto mínimo de
intensidad en el área delimitada se usa como centro
provisional de la proteína para cada iteración.
Una vez se ha establecido el área, se localiza el centro de la
proteína usando el ajuste LM.
Es necesario escoger una función de ajuste para los niveles de
gris de la proteína. Se escogió la función Gaussiana
bidimensional invertida, ya que es una función continua que
es adecuada para describir la distribución de la intensidad de
gris que presenta la molécula. Este modelo determina el
centro de la proteína (el punto más oscuro, por lo tanto el de
menor nivel de gris) como el valor mínimo en la función
Gaussiana. Es necesario aplicarle una transformación de
rotación a la función debido a que la molécula puede
moverse en distintas direcciones.
El centro de la proteína que se ajusta en la fase previa se
considera la posición central del la búsqueda de bloques para
el algoritmo de block-matching modificado (Figura 7.1).
El tamaño de bloque se define especificando su dimensión
usando el tamaño de bloque (en píxeles). Usando cada
130
bloque como centro, se define una región de búsqueda. Esta
región se limita con un rango máximo de desplazamiento,
dado por el parámetro llamado “región de búsqueda”.
A partir de ese momento, se usa una estrategia de
exploración en espiral, partiendo de las coordenadas del
bloque en la primera imagen, realizando la búsqueda en
espiral. De esta manera, se explora todo el espacio de
búsqueda, obteniendo siempre el mejor resultado basado en
el criterio de comparación. Se existen dos o más valores de
comparación iguales, se escoge uno de ellos.
El proceso completo puede verse en la figura 7.1. Las
subfiguras A y B representan el block-matching genérico. La
figura A corresponde a la imagen de referencia, que está
completamente dividida en bloques. El mismo proceso
aplicado al bloque seleccionado, se aplica al resto de los
bloques. Se define la región de búsqueda y se analiza la
imagen entera utilizando la estrategia espiral (en la imagen
aparecen únicamente algunos bloques). El desplazamiento
con el mejor resultado coincidirá con un bloque asociado en
la imagen test. En las figuras C y D se muestra la técnica de
block-matching modificado. En la figura C se muestra la
imagen de referencia donde el usuario selecciona las
proteínas que deben ser identificadas. El sistema define tantos
131
bloques como proteínas, los centros de estos bloques
corresponden con los centros de los spots y sufren el mismo
proceso que el bloque escogido.
Figura 7.1: Comparación entre block matching y blockmatching modificado
Se han implementado varias medidas de comparación: Error
Cuadrático Medio, Coeficiente de Correlación de Pearson y
una medida combinada de ambas. En la sección de pruebas
se muestra como se ha experimentado con estas medidas
132
para comprobar cual se adapta mejor al problema. Las
características que han determinado la elección de estas
medidas de comparación están en [22].
Figura 7.2: Diagrama de funcionamiento del algoritmo
Una vez se ha establecido la correspondencia con un bloque
en la imagen test, la posición den centro de este bloque
destino se refina para obtener el centro de esa proteína,
como se hizo en el primer paso de la imagen de referencia. El
diagrama general de funcionamiento está en la figura 7.2.
133
7.4
PRUEBAS
El algoritmo descrito anteriormente se ha implementado
usando la biblioteca OpenCV (Open Source Computer Vision
Library) [23].
Con el objetivo de entender mejor los resultados, es necesario
definir los siguientes términos; se considera “acierto” cuando el
centro calculado del algoritmo está dentro del perímetro de
la proteína de la imagen test. Además, esta proteína debe
coincidir, de acuerdo con el criterio de un experto, con su
correspondiente proteína en la imagen de referencia,
basándose en la localización espacial y en las características.
Se considera un “fallo” cuando el centro calculado está fuera
del cuerpo de la proteína que coincide con la de referencia
(de acuerdo con el criterio del experto).
Para realizar estas comparaciones se usaron unos conjuntos
de prueba obtenidos de las imágenes de G.Z. Yang, descritas
en [9]. Estos conjuntos de prueba consisten en un grupo de
imágenes de geles 2D de diferentes tipos de tejidos y en
diferentes condiciones experimentales.
El conjunto de prueba usado en este trabajo se construyó
agrupando las imágenes en pares, con el objetivo de realizar
134
su alineamiento. Se asigno una complejidad a cada pareja,
de acuerdo con los criterios de un experto.
Este capítulo muestra los porcentajes de acierto del método
híbrido propuesto, y de los obtenidos con la aproximación
basado únicamente en intensidad. En [18], los resultados se
comparan con los obtenidos en trabajos anteriores [17], que
incluyen tanto aproximaciones hibridas como las basadas sólo
en intensidad.
En estos trabajos, se seleccionaron 208 proteínas con el
objetivo de realizar un alineamiento en imágenes de baja
complejidad y 158 para imágenes de complejidad media.
Posteriormente se obtuvieron los números de proteínas
correcta e incorrectamente clasificadas y se calcularon los
porcentajes de acierto.
Con el objetivo de comparar los resultados obtenidos en los
artículos mencionados con los obtenidos en este trabajo, se
usaron los mismos pares de imágenes. Debido a que en dichos
artículos no se conoce el número de proteínas seleccionadas,
se ha procedido como sigue: para las imágenes de
complejidad alta, se identificaron 212 imágenes. De estas, se
seleccionaron 208. Como resultado, como mucho un 2.4% de
las
moléculas
pueden
variar.
135
Para
las
imágenes
de
complejidad media, se seleccionaron 158 de un total de 160
identificables. En este caso como mucho un 1.27% de las
proteínas podrían diferir. Como estas tasas son mínimas, los
resultados pueden ser considerados comparables. El par de
imágenes de complejidad alta escogido en [17] también se
escogió, a pesar de que ninguno de los artículos menciona sus
resultados. En este par de imágenes se seleccionaron 55
proteínas identificables. Este número no es muy alto debido a
que existe un alto grado de solapamiento que impide
alcanzar un alto grado de correspondencia.
7.5
RESULTADOS
El número de proteínas correcta (ncor) e incorrectamente (ninc)
identificadas
se
muestra
en
la
tabla
7.1
con
sus
correspondientes tasas de acierto.
Complejidad Baja
Aprox.
Complejidad Media
Complejidad Alta
ncor
ninc
%
ncor
ninc
%
ncor
ninc
%
187
21
89.9
137
21
86.7
-
-
-
[17] Hib
201
7
96.6
149
9
94.3
-
-
-
[18] Int
200
8
96.2
150
8
94.9
-
-
-
[18] Hib
203
5
97.6
153
5
96.8
-
-
-
BM Mod.
207
1
99.51
154
4
97.47
47
8
85.45
[17] Int
Tabla 7.1: Comparativa con otros métodos
136
Los resultados obtenidos en este trabajo son mejores que los
obtenidos en las aproximaciones publicadas en [17,18] en las
imágenes de complejidad media y baja. En las imágenes de
complejidad alta no se ha podido comparar por no disponer
de los datos.
7.6
DISCUSIÓN
El método propuesto en este trabajo, así como los propuestos
en [17] y [18] son aproximaciones híbridas para resolver el
problema de identificación de proteínas en geles 2D. Estas tres
técnicas usan información basada en intensidad y en
landmarks, pero lo hacen de manera diferente. En [17] y [18],
se utiliza un proceso manual de selección de ciertas proteínas
sobre la imagen de referencia y de las correspondientes en la
imagen test. Esta información proporcionada por el usuario se
usa para refinar el registro en las regiones donde la
información sobre intensidad no es suficiente. A partir de ahí,
el alineamiento se realiza en todo el gel. Los landmarks se usan
de manera diferente en el método propuesto, ya que el
usuario selecciona ciertas proteínas de la imagen de
referencia con el objetivo de localizarlas automáticamente en
la
imagen
test.
Después
de
esto,
el
sistema
realiza
automáticamente la asociación entre las proteínas de interés,
pero no del gel completo. Seleccionando un grupo de
137
proteínas para su identificación es una ventaja para el usuario,
ya que el resultado será más claro si se centra únicamente en
las moléculas de interés. A pesar de esto, en ciertos contextos,
obtener de una imagen de referencia con ciertos landmarks
que puedan ser identificados en múltiples imágenes test
puede ser interesante. El algoritmo propuesto puede trabajar
de esta manera, sin que el usuario tenga que realizar ninguna
selección en cada ejecución.
7.7
CONCLUSIONES
El objetivo de este trabajo ha sido el estudio de la aplicación
de técnicas de visión artificial a imágenes de geles 2D
obtenidos a partir de un proceso de electroforesis, para
obtener un método efectivo que calcule la correspondencia
entre estas imágenes biomédicas. Para alcanzar este objetivo
se estudiaron diversas técnicas de registro de imágenes que
pudiesen tener buenos resultados en el contexto de las
imágenes de geles 2D.
Partiendo
de
una
técnica
de
flujo
óptico
genérica
denominada block-matching, se estudiaron las posibles
mejoras para aplicarla al análisis de geles 2D. Finalmente se
desarrolló una modificación del algoritmo de block-matching
138
de manera que sea capaz de usar tanto información de
landmarks como de intensidad.
Se llevaron a cabo una serie de pruebas que demostraron
que el algoritmo desarrollado funciona mejor que técnicas
similares utilizando imágenes biomédicas reales, ya que los
porcentajes de acierto son mejores que los algoritmos
encontrados en la bibliografía, aplicando los mismos conjuntos
de imágenes.
139
REFERENCIAS
[1] Nonlinear Dynamics. Accedido en octubre de 2009.
URL: www.nonlinear.com/products/progenesis.
[2] Decodon. Accedido en octubre de 2009. URL:
www.decodon.com/Solutions/Delta2D.html
[3] Genebio. Accedido en octubre de 2009.
URL:
www.genebio.com/products/melanie/index.html
[4] Peiner K, Hoffmann F, Kriegel K, Wenk Carola, Wegner S,
Sahlström A, Oswald H, Alt H, Fleck E: New algorithmic
approaches to protein spot detection and pattern matching
in
two-dimensional
electrophoresis
gel
databases.
Electrophoresis 1999, 20:755-765.
[5] Almansa A, Gerschuni M, Pardo A, Preciozzi J:
Processing of
2D Electrophoresis Gels. Iccv 2007 – Workshop on Computer
Vision Applications for Developing Countries. 15 October 2007.
[6] Kaczmarek K, Walczak B, De Jong S, Vandeginste BGM: Feature
based fuzzy matching of 2D electrophoresis images. Journal of
chemical information and computer sciences 2002, 42:14311442.
[7] DelaunayN. Sur la sphère vide, Izvestia Akademii Nauk SSSR,
Otdelenie Matematicheskikh i Estestvennykh Nauk 1934, 7:793800.
140
[8] Smilansky Z: Automatic registration for images of twodimensional proteins gels. Electrophoresis 2001, 22:1616-1626.
[9] Veeser S, Dunn MJ, Yang GZ: Multiresolution image registration
for two-dimensional gel electrophoresis. Proteomics 2001,
1:856-870.
[10] Dowsey AW, English J, Pennington K, Cotter D, Stuehler K,
Marcus K, Meyer HE, Dunn MJ, Yang GZ: Examination of 2-DE
in the Human Proteome Organisation Brain Proteome Project
pilot studies with the new RAIN gel matching technique.
Proteomic 2006, 6:5030-5047.
[11] Dowsey AW, Dunn MJ, Yang GZ: Automated image alignment
for 2D gel electrophoresis in high-throughput proteomics
pipeline. Bioinformatics2008, 24(7):950-957.
[12] Besl PJ, McKay ND: A Method for Registration of 3D Shapes.
IEEE Transactions on Pattern Analysis and Machine Intelligence
1992, 14(Issue 2):239-256.
[13] Shi G, Jiang T, Zhu W, Liu B, Zhao H: Alignment of twodimensional electrophoresis gels. Biochemical and Biophysical
Research Communications 2007, 357:427-432.
[14] Rogers M, Graham J: Robust and accurate registration of 2-D
electrophoresis gels using point-matching. In IEEE transactions
on image processing. Volume 16. Edited by Institute of
electrical and Electronics Engineers, New York: 2007, 3:624-635.
141
[15] Sorzano COS, Thévenaz P, Valdés I, Beloso A, Unser M: Elastic
Image
Registration
INFORMATION
with
OPTICS:
Applications
5th
International
to
Proteomics.
Workshop
on
Information Optics (WIO’06). AIP Conference Proceedings.
Edited by American Institute of Physics. Volume 860, 2006: 300309.
[16] Levenberg K: A Method for the Solution of Certain Non-Linear
Problems
in
Least
Squares.
The
Quarterly
of
Applied
Mathematics 1944, 2: 164–168.
[17] Rohr K, Cathier P, Wörz S: Elastic registration of electrophoresis
images using intensity information and point landmarks. Pattern
Recognition, 2004, 37: 1035-1048.
[18] Wörz S, Winz ML, Rohr K: Geometric alignment of 2D gel
electrophoresis images using physics-based elastic registration.
In Proc. IEEE International Symposium on Biomedical Imaging:
From Nano to Macro (ISBI 08). Paris, France, May 2008.
[19] Stiller C, Konrad J: Estimating motion in image sequences, a
tutorial on modeling and computation of 2D Motion. IEEE
Signal processing magazine 1999, 16(Issue 4):70-91.
[20] Barrow JL, Fleet DJ, Beauchemin SS: Performance of Optical
Flow techniques. International Journal of Computer Vision 1994,
12(Issue 1):43-77.
142
[21] Beauchemin SS, Barrow JL: The Computation of Optical Flow.
ACM Computing Surveys 1995, 17(Issue 3):433-467.
[22] Sánchez JM, Verdú R, Sancho JL: Medida de Similitud Mixta
para el Registro y Fusión de Imágenes. Teleco Fórum 2005: 110112
[23] OpenCV Sourforge. Accedido en octubre de 2009. URL:
sourceforge.net/projects/opencvlibrary
143
Capítulo 8
MANEJO DE PACIENTES Y FORMACIÓN DE CLÍNICOS EN
EL HOSPITAL ITALIANO DE BUENOS AIRES DESDE LA
PERSPECTIVA DE LAS NBIC.
Fernan Gonzalez Bernaldo de Quiros, Daniel Luna, Paula Otero,
Sonia Benitez, Carlos Otero
Departamento de Información Hospitalaria – Hospital Italiano
de Buenos Aires - Argentina
8.1
INTRODUCCIÓN
El Hospital Italiano de Buenos Aires (HIBA) ] consta de 2
hospitales con una dotación de 750 camas de internación (de
las cuales 200 son de uso en cuidados intensivos), 500 camas
de cuidado domiciliario y 23 centros de atención primaria. Se
realizan 2.000.000 de consultas ambulatorias y se generan
35.000 egresos hospitalarios por año.
Con más de 150 años de existencia, el HIBA es un centro de
salud académico de atención terciaria, donde trabajan más
144
de 1500 médicos entre profesionales de planta, becarios y
residentes en formación , los cuales se encuentran dentro de
programas de residencias para 30 especialidades médicas y
34 becas de perfeccionamiento post residencia.
El Sistema de Información en Salud (SIS) del Hospital ha sido
implementado de manera gradual desde el año 1998 a partir
de un desarrollo propio “in house” que maneja la información
médica y administrativa desde la captura del dato hasta el
análisis. Incluye una Historia Clínica Electrónica, denominada
ITALICA que se inició en el ámbito de atención ambulatorio
(HCA), luego prosiguió en el de internación (HCI) [2], y un
Sistema de ADT (Admisión, Discharge, Transfer - ADT) para el
seguimiento en línea de los pacientes internados.
En el ámbito de internación la epicrisis al egreso hospitalario
está estructurada con codificación automática [3]. A su vez
cuenta
con
un
sistema
de
solicitud
de
estudios
complementarios y visualización de resultados desde la
Historia Clínica Electrónica incluido un PACS (Picture Archive
Comunication System) para el acceso a las imágenes
asociadas al paciente.
El desarrollo de un servidor de terminología [4, 5] ha permitido
mapear el vocabulario local de interfase (tesauro) a SNOMED
145
CT como vocabulario de referencia. Este tesauro local se creó
a partir de 2.000.000 de textos provenientes del repositorio de
datos clínicos. Esto ha permitido la centralización de la
representación del lenguaje así como también el uso de una
terminología detallada.
Alrededor de 110 profesionales trabajan en el Departamento
de Información Hospitalaria en 5 áreas principales: Desarrollo,
Tecnología,
Epidemiología,
Normas
y
Procedimientos
e
Informática Medica. Desde el año 2002, el Hospital tiene un
Programa de Residencia de Informática Medica, que es la
única carrera para médicos en nuestro país en este campo.
Los especialistas están preparados para trabajar como el
enlace entre médicos e informáticos a través del ciclo de vida
de los sistemas.
En cuanto a los programas de capacitación de Informática
Médica, el hospital desarrolló la versión en español del
programa de AMIA " 10x10 " de la Universidad de Oregón en
Estados Unidos, que incluye las principales dominios en el
campo de la informática medica: el cuidado de la salud
(incluido gestión del personal de la de la salud, la
Historia
Clínica Electrónica y el registro personal de salud, el
intercambio
de
información
en
salud,
estándares
y
terminología, y la calidad de atención de la salud y la
146
prevención de errores), la salud pública, la informática de la
población y la bioinformática translacional.
Basado en el sistema de información centrado en el paciente,
el programa de manejo de enfermedades crónicas perfila los
pacientes de acuerdo a un índice de riesgo calculado. Un
grupo multidisciplinario de profesionales realiza actividades de
prevención en el paciente y su familia.
La evaluación del Riesgo descansa en los servicios prestados
por
los
Servicios
terminológicos
del
SIS,
unificando
la
información de todos los niveles de atención. Este el programa
fue galardonado con el premio “Best International Disease
Management Program”, durante la 5ª Conferencia Anual
(Disease Management Association of America), celebrada en
2003, Chicago, EE.UU.
8.2 PROGRAMA DE MANEJO DE PACIENTES CON
ENFERMEDADES CRÓNICAS
El avance tecnológico (diagnóstico y terapéutico), el uso
inadecuado de los recursos humanos y materiales, junto al
envejecimiento de la población, y la alta prevalencia de
enfermedades crónicas, hacen que el gasto en salud sea
cada vez mayor y con resultados no del todo favorables [6-9].
Por otro lado, los responsables del financiamiento de estos
147
sistemas no suelen lograr optimizar racionalmente el uso de los
recursos en función de la problemática asistencial individual.
Esto nos ha llevado a gastar cada vez más dinero en los
sistemas de salud, pero concomitantemente ha generado
una creciente insatisfacción de los médicos y los pacientes.
Por ello, es imperioso dejar de insistir en un sistema que cada
vez tiene más exigencias pero no resuelve los problemas de
fondo, e intentar rediseñar un nuevo sistema de salud.
Los sistemas de cobertura médica (gubernamentales, públicos
y privados) clásicamente han cumplido con lo que se dio en
llamar “el modelo del radar”. Es decir, cuando un paciente
tiene algún problema o debe cumplir alguna práctica
preventiva y se presenta en el sistema prestacional (radar), es
rápidamente detectado por este. Una vez reconocido, se lo
interviene (y resuelve o no) y el paciente desaparece del
radar.
En
un
tiempo
variable
y
dependiendo
de
la
autodeterminación del paciente (o el entorno), este se vuelve
a presentar y es pasible de alguna otra intervención o
seguimiento del problema anterior. Según esta lógica, la
demanda del paciente es el factor desencadenante del
proceso
de
atención.
Este
modelo
produjo
resultados
variables a lo largo del tiempo y fue especialmente útil para el
cuidado de las enfermedades agudas, siempre y cuando
estas sean fácilmente percibidas por parte de los pacientes.
148
Sin embargo, en las últimas décadas, tuvo serias dificultades
para adaptarse a los profundos cambios demográficos y
epidemiológicos que ocurrieron. Si bien las enfermedades
crónicas son hoy la causa más común de mortalidad de los
países
desarrollados,
esta
epidemia
ataca
con
mayor
intensidad a las comunidades de bajos recursos. La atención
de tales enfermedades resulta problemática. Por un lado, los
resultados no son satisfactorios y, por el otro, se incrementan
los usos del sistema de salud a causa de complicaciones
prevenibles [10]. Adicionalmente, la población con problemas
crónicos está insatisfecha con el cuidado que recibe.
Las experiencias nacionales e internacionales en el cuidado
de estas patologías son decepcionantes. Por ejemplo, los
niveles
de
control
comunicados
de
pacientes
con
“hipertensión arterial”, “diabetes” o “prevención secundaria
de enfermedad vascular” en poblaciones no seleccionadas
varían entre el 10% y el 40%, independientemente de que la
atención de la patología esté a cargo de especialistas o
generalistas [11-13]. Es decir que más de la mitad de los
pacientes están mal controlados, lo que aumenta su riesgo de
tener complicaciones. Los sistemas de salud (incluso los del
Primer Mundo, con buen financiamiento) no han tenido una
respuesta eficaz para este grave problema. Valores similares
de mal control pueden hallarse en otras patologías crónicas.
149
¿Cuál es el motivo de esta epidemia de enfermedades
crónicas mal controladas? las respuestas son múltiples ya que
seguramente se debe a un fenómeno complejo y multicausal.
Aquí podríamos remarcar las siguientes:
x
Población sin acceso habitual al sistema de salud.
x
Modelo asistencial fragmentado, no proactivo para
detectar y prevenir la mala evolución de los enfermos
conocidos, inapropiado para el cuidado continuo e
incapaz de generar los cambios de hábito en la
población (modelo del radar).
x
Sistema prestacional adaptado al mal control de las
enfermedades.
x
Enfermedades
oligosintomáticas
sin
detección,
o
biológicamente agresivas y difíciles de controlar.
x
Pacientes (y entorno) sin introspección del problema o
con mala adaptación a él. Los resultados muestran que
el modelo del radar no parece apropiado para brindar
un sistema de cuidado continuo y eficaz. En este
modelo el paciente consulta cinco a diez veces al año y
el resto del tiempo depende de su propio cuidado (para
el cual no está preparado adecuadamente). Además,
los contactos con el sistema suelen fragmentarse entre
los distintos médicos, con mala fluidez de la información
y
con
habitual
heterogeneidad
150
de
propuestas
terapéuticas y objetivos. En la última década se
desarrollaron
grupos
integrales
que
intentaron
comprender, describir y resolver este problema desde
una perspectiva abarcativa. Incluso, se publicaron
propuestas de cambio de los modelos prestacionales,
algunas de ellas amplias e integrales descriptas como
“Modelo para el cuidado crónico” [14, 15].
Hay una vasta evidencia bibliográfica que demuestra la
eficacia del tratamiento intensivo para mejorar el control de
estas enfermedades y que ese mejor control disminuye los
eventos clínicos, la morbimortalidad de la población y los
costes del sistema de salud. Por otro lado, los programas de
manejo de enfermedades han demostrado eficacia para
mejorar significativamente el control de estas enfermedades
en pacientes con diabetes mellitus, depresión, asma, EPOC,
prevención secundaria de eventos vasculares, hipertensión
arterial,
insuficiencia
cardíaca
sistólica,
tabaquismo,
y
adherencia a la terapéutica farmacológica [16-20]. Sin
embargo,
las
intervenciones
que
intentaron
promover
cambios en el estilo de vida y los factores de riesgo, mejor
cumplimiento de los tratamientos farmacológicos y algunas
enfermedades
de
las
previamente
citadas
mostraron
resultados contradictorios. Esta orientación hacia el manejo
específico de una enfermedad crónica de la mayoría de tales
151
experiencias ignora la complejidad del tratamiento de
pacientes con múltiples problemas. Las intervenciones así
planteadas repiten los problemas del sistema de salud actual
al tener un enfoque de “especialista” en el que se
implementan
tantas
intervenciones
y
cambios
organizacionales como problemas tienen los pacientes. Así, las
soluciones son muchas veces parciales, se orientan a una sola
enfermedad, fragmentan aun más los sistemas prestacionales
y los sistemas de información clínica, no se integran con las
personas del equipo de salud y no se orientan a los pacientes
con múltiples problemas. El nombre y los métodos con los
cuales se reconocen e implementan estos programas en la
mayoría de las publicaciones (disease management o manejo
de enfermedades) refuerzan la idea de que se pueden
diseñar e implementar programas para atender un solo
problema. Desde nuestra perspectiva, parece más apropiado
el nombre de “chronic patient management” o “manejo de
pacientes con enfermedades crónicas” [21].
Desde la perspectiva del sistema prestacional es muy
importante formar los “grupos de atención primaria para el
cuidado de pacientes” con un médico que coordine la
asistencia y el resto de los integrantes (enfermeros, técnicos,
monitores,
otros
médicos,
educadores,
personal
administrativo, etc.) con habilidades y tareas específicas. Este
152
enfoque para el cuidado de los enfermos crónicos requiere
que los miembros del equipo adquieran un nuevo conjunto de
habilidades que incluye la capacidad de trabajo en equipo,
el compartir responsabilidades en el cuidado de los pacientes
(con el mismo paciente y con los miembros del equipo) y
participar de un sistema organizado y planificado para la
mejora continua de los resultados que tenga políticas
proactivas para el manejo de los pacientes de mayor riesgo.
Junto a los médicos de atención primaria a cargo de los
pacientes
y
los
enfermedades,
especialistas
rediseñamos
en
el
cada
modelo
una
de
de
las
atención
ambulatoria para algunos problemas crónicos (hipertensión
arterial, diabetes, tabaquismo, prevención secundaria de
eventos vasculares) con la intención de ir agregando
paulatinamente problemas de una manera “modular”. Se
implementaron al mismo tiempo sistemas de monitoreo y
control de procesos y resultados para evaluar el impacto de
los programas haciendo foco en las modificaciones de
efectividad
con
impactos
poblacionales
clínicamente
relevantes.
Los objetivos que persigue el rediseño son:
x
Que los pacientes se focalicen en el cuidado de sus
enfermedades, conozcan los objetivos del cuidado y
153
aprendan
el
uso
de
herramientas
para
lograrlos
diariamente.
x
Que se formen verdaderos equipos de trabajo entre los
diferentes integrantes de la atención primaria y el
cuidado de las enfermedades crónicas tendientes a
mejorar los resultados médicos del sistema prestacional y
a mejorar la sensación de bienestar en los pacientes y los
médicos para con el sistema de salud.
x
Que el sistema prestacional tenga consensuados los
objetivos básicos del cuidado de las enfermedades
prevalentes y se comprometa con el cumplimiento de
dichos objetivos.
Veamos ahora los seis pilares del modelo integrado para el
cuidado de los pacientes con enfermedades crónicas:
1. Actividades para el automanejo y autocuidado del
paciente y su entorno.
2. Sistemas de toma de decisiones, guías clínicas y
opiniones de expertos.
3. Recursos comunitarios y grupos focales.
4. Sistemas de información clínica y para el seguimiento
de cohortes de enfermos.
5. Cambios organizacionales y Rediseño de los sistemas
prestacionales.
154
6. Cambios culturales y financiamiento del sistema de
salud.
A cada médico se le presenta un informe individual en
relación con los resultados del cuidado médico de sus
pacientes y comparando sus medidas con los promedios del
grupo. De esta manera se busca lograr una retroalimentación
que ayude a la mejora continua de los resultados. El sistema
de salud es el que garantiza el financiamiento del programa a
largo plazo y abastece a sus integrantes de todas las
soluciones que necesitan.
Resumiendo, las enfermedades crónicas son la principal causa
de
morbimortalidad.
A
pesar
del
enorme
presupuesto
dedicado a ellas, el cuidado de los pacientes que las
padecen puede ser deficiente. El uso de tecnologías de la
información permite mejorar la calidad de la prestación de
servicios de salud.
El cuidado de los pacientes con enfermedades crónicas
puede ser mejorado teniendo en cuenta dos elementos
esenciales del Modelo de Cuidado Crónico:
x El sistema de soporte de decisiones y
x Los sistemas de información clínica.
155
Un cuidado coordinado de la salud requiere la identificación
de los pacientes en riesgo con la determinación de sus
necesidades, la provisión de los tratamientos adecuados, la
educación para el autocuidado del paciente y la integración
de los servicios.
La Historia Clínica Electrónica es parte fundamental en el
manejo individual del paciente, pero es necesario también
desarrollar un software que permita
la agregación de la
información contenida en dichas historias para el manejo
poblacional.
8.2.1 OBJETIVOS
El programa de enfermedades crónicas tiene como objetivos
principales:
1. Identificar
los
pacientes
con
enfermedades
crónicas.
2. Estratificarlos en grupos de riesgo.
3. Seguir el cuidado de los pacientes.
4. Crear herramientas para la gestión del manejo de
las enfermedades crónicas (ej.: realización de
intervenciones como contactos masivos por email
156
o
carta
a
automatizada
pacientes
de
y
médicos,
laboratorios,
solicitud
asignación
de
turnos, etc.).
5. Monitorear y reportar los procesos y resultados.
6. Integrarlo con los sistemas de soporte para toma de
decisiones clínicas (recordatorios y alertas en
Historia Clínica Electrónica - HCE).
7. Personalizar la información para el autocuidado del
paciente (Integración con Portal Personal de Salud,
Mensajería, etc.).
8.2.2 ESTRUCTURA GENERAL DEL PROGRAMA
El programa de enfermedades crónicas consta de un
administrador de reglas y un software de manejo de padrones
especiales.
Figura 8.1: Esquema General del Programa
157
En definitiva, el programa formulara las reglas. Las reglas
generaran un padrón “sucio” o “puro”, luego sobre este
padrón se aplicaran los procesos de auditoría que crearan el
denominado “padrón limpio”. Una vez generado este último
padrón se aplicara la o las estrategias de intervención.
El administrador de reglas será el sistema desde donde se
formularan las reglas, donde se detallaran las especificaciones
que sola, o en combinación con otras reglas, enrolaran
pacientes dentro del programa especifico.
8.2.3 COMPOSICIÓN DEL EQUIPO
El equipo de trabajo del programa de Enfermedades Crónicas
o manejo de situaciones especiales se compone de un
equipo
multidisciplinario
que
integra
tantos
médicos,
enfermeros, asistentes sociales, sociólogos, estudiantes de
medicina y personal administrativo, que trabaja en conjunto
para optimizar el proceso de atención y cuidado de los
pacientes. Básicamente la composición y las funciones del
equipo son las siguientes:

Médico coordinador: es el encargado de la
dirección del programa, define y controla los objetivos
del sistema y organiza los grupos de trabajo.
158

Equipo médico: es el equipo de profesionales
encargado de generar las pautas o validar las pautas
ya creadas por consenso dentro de la institución para
el manejo del las enfermedades crónicas o el proceso
de cuidado de situaciones especiales.

Médicos de cabecera: si bien no son parte
directa del programa, son los profesionales que están a
cargo del cuidado de los pacientes, y deberán tener
una comunicación fluida con los actores propios del
programa.

Monitores: se denomina “monitores” al equipo
de salud encargado de la organización logística de los
cursos o talleres y de los controles que se realizan a los
pacientes dentro del programa. Habitualmente está
compuesto por estudiantes de medicina avanzados y
son los usuarios principales del software de manejo de
programas especiales.

Equipo
de
enfermería:
son
enfermeras
especializadas en el manejo de programas especiales
y se encargan habitualmente del cuidado “asistencial”
del paciente. De todas formas son parte activa tanto
en los talleres como en los cursos y la generación de
materiales para el programa.
159

Equipo auxiliar: está compuesto por un equipo
multidisciplinario
que
incluye
asistentes
sociales,
sociólogas, psicólogas y otros, y trabajan en el diseño y
análisis de la efectividad del programa.
8.2.4 FLUJO DE TRABAJO
1.
Una
vez
incorporados
los
pacientes
al
programa, detecta los turnos próximos y genera
listados para la intervención en sala de espera, para
esto existe a nivel administrativo un alerta, que al
momento de que el paciente solicite un turno, advierte
a la administrativa para que cite al paciente 20
minutos antes de la consulta. En este período previo a
su consulta (que podrá ser a cualquier profesional o
para la realización de una práctica) el equipo de
monitores contacta al paciente y realiza los controles
pertinentes.
2.
Un segundo caso sería la intervención en
pacientes que llegan a la consulta sin tiempo previo,
en este caso el equipo espera al paciente a la salida
de su consulta y realiza los controles posteriormente.
3.
Contacto telefónico: se llama a los pacientes a
su domicilio o a su teléfono de referencia para invitarlo
a cursos, talleres, programas de actividad física, etc.
160
4.
Se envía por correo postal, invitaciones a cursos,
talleres, etc.
5.
Se generan turnos especiales para el control de
los pacientes, ya sea con su clínico de cabecera o con
los profesionales del programa.
Ahora bien, como vimos antes, para identificar los pacientes,
o sea, “empadronarlos” en el programa, es necesario generar
los padrones. Veamos entonces como se generan estos
listados.
8.2.5 SOFTWARE DE MANEJO DE PADRONES ESPECIALES
El Software de Manejo de Padrones Especiales es el componte
que permitirá el manejo de poblaciones de pacientes con
enfermedades crónicas.
El administrador de reglas es el componente del programa
desde el cual se especificaran los parámetros desde los cuales
se formaran los padrones, que se auditaran luego y a partir de
los cuales se realizaran las intervenciones de manejo de los
pacientes con patología crónica.
Dicho administrador de reglas comprenderá la siguiente
estructura:
161
x
Sistemas INPUT
x
Reglas
x
Productos de salida (intervenciones)
8.2.6 SISTEMAS INPUT
Estos sistemas son principalmente:
x
El Master Patient Index (MPI) o Tabla Maestra de
Personas, desde la cual se tomaran los datos filiatorios
de los pacientes,
x
El Repositorio de Datos Clínicos (CDR) y todos los
sistemas que lo nutren (HCE, Sistemas efectores como
laboratorio, imágenes, Fichas, etc.: corresponde al
repositorio único de datos donde consta toda la
información de salud del paciente, Un punto de
especial atención lo lleva la detección de patologías,
problemas de salud y/o procedimientos, que deberán
estar relacionados al control terminológico y que
dependiendo
de
la
regla
en
cuestión
serán
detectados ya sea generando subset específicos o
utilizando la referencia de PADRES- HIJOS de SNOMED
CT.
x
El ADT (Admisión – Discharge – Transfer) o Sistema de
admisión, donde constan los datos de ingreso a los
162
diferentes niveles de atención (Interacción general,
emergencias, servicios domiciliarios), tipo de ingreso y
duración de la estadía en cada estamento.
x
Sistemas
Administrativos:
desde
donde
el
programa tomará la información correspondiente por
un lado a los datos de afiliación del paciente, como
puede ser antigüedad en el sistema, tipo de cobertura,
estado administrativo; y por otro lado, todo lo referente
a turnos o citas tanto para la atención ambulatoria
como para la realización de prácticas.
8.2.7 PRODUCTOS DE SALIDA
Mensajería:
x
Solicitud de prácticas
x
Identificación de los pacientes en la HCE (flags)
x
Generación de alertas y/o alarmas
x
Generación de turnos
x
Integración con el Portal Personal de Salud
x
Generación de listas de necesidades de contactos
163
8.3
EDUCACIÓN
8.3.1 Educación médica continua
Parte
fundamental
en
los
programas
de
manejo
de
enfermedades crónicas es la educación médica continua de
los profesionales implicados en el programa.
Para esto, el Hospital Italiano de Buenos Aires ha creado un
sistema de educación (Figura 8.2), integrado a la actividad
médica asistencial con acceso desde la Historia Clínica
Electrónica: Los objetivos de este programa son generar un
programa de educación:
x
Continuo.
x
Basado en la mejor evidencia.
x
En el momento y lugar del acto médico.
x
Asociado a la especialidad y función del médico.
x
Específico al paciente que está siendo atendido.
x
El sistema, validado por el Departamento de Docencia
e Investigación está guerreado a partir de “perlas” de
información, que se muestran acorde al paciente que
está siendo atendido y relacionado a la especialidad
del profesional.
164
Figura 8.2: Captura de pantalla del sistema
8.3.1 Plataforma de Educación Virtual
El Campus Virtual (CV)[22] es una propuesta de educación a
distancia mediada por tecnología, a través de la cual el
Hospital desarrolla cursos y otras actividades de actualización
para profesionales de la salud, tanto del ámbito nacional
como internacional. Este proyecto es el resultado del trabajo
que desde el año 2004 realiza el Comité de Educación Virtual
(CEV). El propósito de este comité desde sus inicios, ha sido
promover e investigar el uso de las nuevas tecnologías en
educación médica, particularmente los usos de Internet en la
docencia y la investigación.
El CV fue uno de los primeros desafíos del CEV, el desarrollo de
una plataforma digital que facilitara el intercambio científico,
165
la comunicación interna y la relación con otras instituciones
afines, a nivel nacional e internacional, junto con la búsqueda
de actividades de formación en línea para satisfacer las
inquietudes de diferentes servicios del Hospital.
El equipo de trabajo del CV está integrado por un equipo de
profesionales especialistas en las áreas de tecnología, diseño,
comunicación y educación. Este equipo elabora cursos
universitarios en línea, en conjunto
con referentes de
diferentes servicios hospitalarios.
Este trabajo permite día a día ir capitalizando el conocimiento
y la tecnología disponibles en el Hospital y, a su vez, contribuir
al reconocimiento y prestigio hospitalario a nivel nacional e
internacional.
Algunos de los Cursos son:
¾
Acceso a fuentes de información biomédica
¾
Aspectos básicos de fisiología perinatal
¾
Discusiones
clínicas
en
medicina
familiar
ambulatoria
¾
Economía de la salud
¾
Epidemiología y estadística. Regresión logística
166
y
¾
Epidemiología
y
estadística.
Aplicada
a
investigación
¾
Gestión de calidad y circuitos de mejoras
continuas
¾
Estrategias en la consulta con niños, adolescentes
y familias hoy
¾
Gestión de enfermedades crónicas
¾
Puesta al día intensiva en medicina interna y
ambulatoria
¾
Herramientas informáticas para profesionales de
la salud
¾
Los problemas en la adolescencia
¾
Obesidades. Fisiopatología y tratamiento
¾
Obesidad en edades pediátricas
¾
Obesidades y sus comorbilidades
¾
Sistemas de información en los sistemas de salud:
Introducción a la informática biomédica
167
REFERENCIAS
[1] Hospital
Italiano
de
Buenos
Aires.
Available
from:
http://www.hospitalitaliano.org.ar/.
[2] Luna D, Otero P, Lopez Osornio A, Pedernera F, Baum A,
Gomez A, et al., editors. Informatizacion de la capa
clinica de un sistema de salud metropolitana: el proyecto
Italica. CTIS 2006 - II Congreso de Tecnologías de
Información en Salud; 2006; Chile.
[3] Navas H, Osornio AL, Baum A, Gomez A, Luna D, de Quiros
FG. Creation and evaluation of a terminology server for
the interactive coding of discharge summaries. Stud
Health Technol Inform2007;129(Pt 1):650-4.
[4] Osornio AL, Luna D, Gambarte ML, Gomez A, Reynoso G,
de Quiros FG. Creation of a local interface terminology to
SNOMED CT. Stud Health Technol Inform2007;129(Pt 1):7659.
[5] Gambarte ML, Osornio AL, Martinez M, Reynoso G, Luna D,
de Quiros FG. A practical approach to advanced
terminology services in health information systems. Stud
Health Technol Inform2007;129(Pt 1):621-5.
[6] Iglehart JK. Revisiting the Canadian health care system. N
Engl J Med2000 Jun 29;342(26):2007-12.
168
[7] Blendon RJ, Schoen C, Donelan K, Osborn R, DesRoches
CM, Scoles K, et al. Physicians' views on quality of care: a
five-country comparison. Health Aff (Millwood)2001 MayJun;20(3):233-43.
[8] Kohn L. To err is human: an interview with the Institute of
Medicine's Linda Kohn. Jt Comm J Qual Improv2000
Apr;26(4):227-34.
[9] Garg AX, Adhikari NK, McDonald H, Rosas-Arellano MP,
Devereaux PJ, Beyene J, et al. Effects of computerized
clinical
decision
support
systems
on
practitioner
performance and patient outcomes: a systematic review.
Jama2005 Mar 9;293(10):1223-38.
[10] Kearney PM, Whelton M, Reynolds K, Whelton PK, He J.
Worldwide prevalence of hypertension: a systematic
review. J Hypertens2004 Jan;22(1):11-9.
[11] Fried LP, Kronmal RA, Newman AB, Bild DE, Mittelmark MB,
Polak JF, et al. Risk factors for 5-year mortality in older
adults: the Cardiovascular Health Study. JAMA1998 Feb
25;279(8):585-92.
[12] Saydah SH, Fradkin J, Cowie CC. Poor control of risk factors
for
vascular
disease
among
adults
with
previously
diagnosed diabetes. JAMA2004 Jan 21;291(3):335-42.
169
[13] Hunter DJ. Getting a grip on clinical variations in hospital
services. BMJ2004 Mar 13;328(7440):610.
[14] Lewis R, Dixon J. Rethinking management of chronic
diseases. BMJ2004 Jan 24;328(7433):220-2.
[15] Bodenheimer T, Wagner EH, Grumbach K. Improving
primary care for patients with chronic illness: the chronic
care model, Part 2. JAMA2002 Oct 16;288(15):1909-14.
[16] Unutzer J, Katon W, Callahan CM, Williams JW, Jr., Hunkeler
E, Harpole L, et al. Collaborative care management of
late-life
depression
randomized
in
the
controlled
primary
trial.
care
setting:
JAMA2002
a
Dec
11;288(22):2836-45.
[17] Jowers JR, Schwartz AL, Tinkelman DG, Reed KE, Corsello
PR, Mazzei AA, et al. Disease management program
improves asthma outcomes. Am J Manag Care2000
May;6(5):585-92.
[18] Bourbeau J, Julien M, Maltais F, Rouleau M, Beaupre A,
Begin R, et al. Reduction of hospital utilization in patients
with chronic obstructive pulmonary disease: a diseasespecific
self-management
intervention.
Arch
Intern
Med2003 Mar 10;163(5):585-91.
[19] Figar S, Waisman G, De Quiros FG, Galarza C, Marchetti M,
Loria GR, et al. Narrowing the gap in hypertension:
170
effectiveness of a complex antihypertensive program in
the elderly. Dis Manag2004 Fall;7(3):235-43.
[20] Whellan DJ, Gaulden L, Gattis WA, Granger B, Russell SD,
Blazing MA, et al. The benefit of implementing a heart
failure
disease
management
program.
Arch
Intern
Med2001 Oct 8;161(18):2223-8.
[21] Wagner EH. The role of patient care teams in chronic
disease management. BMJ2000 Feb 26;320(7234):569-72.
[22] Campus Virtual. Available from:
http://www.hospitalitaliano.org.ar/campus/.
171
Capítulo 9
PROCESOS EDUCATIVOS, REDES SOCIALES Y
APLICACIONES A LA DIFUSION DE CONOCIMIENTO
Alvaro Margolis, Antonio López
E-mail: {alvaro.margolis,antonio.lopez}@evimed.net
EviMed – Servicios de InFormación y Conocimiento - Uruguay
9.1
INTRODUCCIÓN
Los avances científico-tecnológicos en el campo de la
Medicina, junto con cambios demográficos, epidemiológicos
y del paradigma de atención médica hacen del desarrollo
profesional
médico
continuo
(DPMC)
una
necesidad
creciente [1].
Las nuevas tecnologías de la información y comunicación en
la educación (Internet, correo electrónico, etc.) hacen
posibles cambios sustanciales en las formas de enseñanza y
aprendizaje. Eso no quiere decir que exista un aprendizaje
electrónico; del mismo modo que no existe un aprendizaje
impreso, creemos que el e-learning no existe [2]. Estas
tecnologías permiten un mayor control de los procesos de
172
aprendizaje del estudiante que se convierte en responsable
del proceso, contribuyen al autoaprendizaje y rompen las
barreras del espacio y tiempo pudiendo realizarse un
aprendizaje a distancia y asincrónico. En Uruguay la mayoría
de los médicos tiene acceso a Internet y más de las tres
cuartas partes utilizan el correo electrónico. Sin embargo, sólo
una tercera parte utiliza la computadora todos los días y otra
tercera parte no la utiliza por lo que la informática como
herramienta aún constituye para muchos profesionales una
barrera para acceder al conocimiento.
Y el aprendizaje, como dijo Etienne Wenger, “No es una
actividad separada. No es algo que hacemos cuando no
hacemos nada más o que dejamos de hacer cuando
hacemos otra cosa”. “Para muchos de nosotros, el concepto
de «aprendizaje» evoca inmediatamente imágenes de aulas,
sesiones de instrucción, profesores, libros de texto, deberes y
ejercicios. Sin embargo, en nuestra experiencia, aprender es
una parte integral de nuestra vida cotidiana. Forma parte de
nuestra
participación
en
nuestras
comunidades
y
organizaciones”. Como dice también el Profesor Parboosingh:
“El aprendizaje resulta de las interacciones entre los médicos,
más que en proceso a través del cual el profesor provee
conocimiento a sus alumnos”.
173
El
Servicio
de
Educación
Médica
Continua
eviDoctor,
producto de EviMed [3], apunta a acortar la demora en la
aplicación de la nueva evidencia científica en la práctica
clínica habitual. Se dirige tanto a cubrir las necesidades de los
médicos individualmente como de las instituciones de
asistencia médica del Uruguay y de la región.
Aborda un conjunto de temáticas frecuentes en el Uruguay en
la policlínica médica de adultos (tabaquismo, hipertensión
arterial,
asma,
polifarmacia
en
el
paciente
anciano,
lumbalgias, entre otras). Se enfatiza la prevención, las
patologías crónicas frecuentes y la educación de los
pacientes a través de su médico. Los materiales están escritos
en español y son confeccionados por expertos reconocidos,
que abordan los problemas con independencia. Se trata de
una
propuesta
educativa
presenciales y a distancia.
174
mixta,
con
componentes
Educació
Educación Mé
Médica
Responsabilidad de la Fac. de Medicina
grado
8 años
EMC
postgrado
4 años
culminan con un
título
Responsabilidad compartida
postcurricular
(20 a 40 años)
•
•
la más larga
población heterogénea
•
con práctica profesional, con experiencia y
responsabilidad laboral
escaso tiempo disponible
distribuidos en todo el territorio nacional
alejado de los centros docentes
•
•
•
Figura 9.1: La educación médica y sus responsables
El Servicio de Educación Médica Continua está funcionando
desde agosto de 2004, habiendo distribuido hasta la fecha
260 boletines semanales. Se trabaja en colaboración con
instituciones académicas y asistenciales de nuestro medio y el
exterior, como son la Cátedra de Gastroenterología de la
Facultad de Medicina, la Sociedad de Diabetología y
Nutrición del Uruguay, el Hospital Británico, la Comisión
Honoraria de Lucha contra el Cáncer o la Facultad de
Medicina de la Universidad de Calgary, Canadá [4]. Desde
2008 estamos también entregando este mismo tipo de
servicios en Puerto Rico [5].
175
Actualmente 3.800 médicos o profesionales de la salud de
todo el país reciben nuestros boletines semanales, quienes han
manifestado explícitamente su interés en acceder a eviDoctor
Web.
9.2
En
APORTE DE EVIMED A LA RED IBERO-NBIC
base
a
dicha
experiencia
nos
han
surgido
otras
oportunidades de aplicación de TICs; no específicamente
relacionadas
con
Educación
Medica
Continua
sino
principalmente con utilizar los mismos conceptos de procesos
educativos para hacer llegar a la población -en un caso
medica y en otro caso pacientes- contenidos educativos.
Entre los objetivos del proyecto IBERO-NBIC se encuentran:

Creación de una comunidad amplia de científicos y
tecnólogos

Formación (biólogos, médicos, nuevos investigadores)

Difusión (transferencia a la industria, divulgación a
población, decisores),

Gestión de conocimiento, recomendaciones publicas mantener la confianza de la población

Desarrollo de modelos de escenarios y conocer
percepción social
176

Aplicación a enfermedades complejas – adhesión al
tratamiento

Divulgación a comunidad científica y público en
general

Actividades de formación on-line y presenciales

Análisis de impacto (social, económico)

Creación de web site del grupo: dinámico vs. estático
vs. red
La experiencia de EviMed puede aportar a dichos objetivos,
en la creación de comunidades (integración), acciones
educativas
dirigidas
investigadores
a
médicos
(formación),
(mejores
pacientes
prácticas),
(adhesión
al
tratamiento) y población en general (mantener la confianza
en las NBIC). También en medición de impacto (grupos
intervención y control), y en definitiva comunicar todos los
conocimientos generados por los propios grupos integrantes
de la red NBIC en forma efectiva y de alto impacto.
A continuación se presentan dos experiencias donde EviMed
ha aplicado su experiencia en formación de redes de
aprendizaje colaborativo en dos escenarios diferentes.
177
9.2.1 Integración de un servicio de información científica con
sistemas de historia clínica informatizada
La aplicación de las herramientas informáticas en el área
asistencial de las organizaciones sanitarias en nuestro país está
en una etapa incipiente. Son muchas las ventajas que ofrece
el uso de un software específico pero también son muchos los
cambios que se generan en la operativa de la asistencia. La
aceptación e implantación efectiva y cooperativa de este
tipo de software requiere que el usuario reciba beneficios
tangibles que lo motiven a hacer el esfuerzo de su
incorporación en la práctica. La educación continua es una
aspiración y una necesidad del cuerpo médico y la
posibilidad real de dedicación de tiempo y recursos es escasa
[6, 7].
Mediante eviDoctor se ofrece una interfase programática,
que puede ser accedida por cualquier sistema de historia
clínica electrónica, que accede a la base científica de
eviDoctor en tiempo real y en forma automática al momento
de realizar un diagnóstico.
Estas búsquedas “contextuales”
suceden cada vez que un médico diagnostica una patología
a su paciente; en ese momento se dispara una búsqueda
automática utilizando los descriptores del código CIE-10 de
enfermedades, y se presentan al médico los documentos
178
científicos existentes en eviDoctor que son relevantes para esa
enfermedad, discriminando entre documentos para el médico
y documentos para el paciente. La búsqueda contextual está
asociada a los campos que son válidos para el acceso a este
tipo
de
información
(planteo
clínico,
diagnóstico
codificación de los mismos), y se implementó
o
de forma
paramétrica pues hay ámbitos de asistencia donde la
funcionalidad no es aplicable (por ejemplo: un consultorio
médico de carné de salud o de policlínica de urgencia). En la
figura 9.2 se muestra la forma de utilización de este servicio.
Figura 9.2. Ejemplo de utilización de las recomendaciones de
lectura contextuales desde una HCE
En conclusión, la integración de la información clínica y la
información científica en un mismo sistema de información
clínico es posible, y permite alcanzar la tan deseada inclusión
del aprendizaje en el lugar de trabajo, en ambientes no
179
académicos, a través del uso de las tecnologías de la
información.
9.2.2 Uso de las TIC para promoción de la salud: un
experimento con pacientes con Diabetes Tipo 2
La evaluación del impacto de las TIC en la promoción de
salud y prevención de enfermedades es algo difícil de medir.
EviMed ha sido contratada por la Universidad ORT a través de
un proyecto con fondos del BID [8] con el propósito de
investigar el estudio del impacto de usos específicos de las TIC
en acciones de promoción de la salud y prevención de
complicaciones en pacientes crónicos que se asisten en el
sector privado [9-13].
Para focalizar el estudio, se seleccionó la patología Diabetes
Tipo 2 [14-19] dado que es una enfermedad crónica
prevalente, requiere de un seguimiento constante por parte
del médico y autocontrol por parte del paciente. A su vez, se
trata de una de las enfermedades que aporta mayores costos
de asistencia al sistema sanitario. La referencia especializada
en el área será el equipo de la Sociedad de Diabetología y
Nutrición del Uruguay. El tamaño de la muestra fue de 600
individuos, teniendo en cuenta las posibles deserciones en
cuanto a la efectiva asistencia al taller presencial y durante la
180
fase online que se explican a continuación en el punto Diseño
General. Los talleres presenciales se completarán una vez que
alcancen a 300 individuos como máximo (150 por grupo),
quienes pasarán a participar en la fase online.
Se propuso establecer dos grupos de personas a investigar
que fueron objeto de acciones diferentes, más un grupo
control, discriminados de la siguiente forma:
Grupo Información: Personas con las características de la
población meta objeto de una propuesta de promoción y
prevención de la salud consistente en la divulgación de
mensajes
y
materiales
informativos,
relativos
a
una
enfermedad crónica que padecen, a través de Internet. Los
mensajes y materiales para pacientes se publicarán en un
portal Web que se actualizará cada semana. Estas personas
accedieron directamente al portal por medio de su correo
electrónico; también recibieron cada semana un correo
recordatorio.
Asimismo,
pudieron
descargar
todos
los
materiales libremente. Los mismos consistirán en artículos o
presentaciones breves,
videos e imágenes, calendarios,
noticias y enlaces a otros sitios de interés.
181
Grupo
“información
+
red
social”:
Personas
con
las
características de la población meta objeto de una propuesta
de promoción y prevención de la salud consistente en la
divulgación de mensajes y materiales informativos y la
integración a una red social relativa a una enfermedad
crónica que padecen, a través de Internet. Con este grupo se
aplica exactamente la misma idea del portal Web que en el
Grupo 1, pero además se suma la integración a una red social
por Internet. Esta red es otro uso posible de las nuevas
tecnologías como espacio de intercambio de experiencias,
dudas y conocimientos entre los pacientes que viven con una
determinada enfermedad. Para esto se dispuso de una
plataforma
electrónica
donde
los
pacientes
pudieron
encontrarse en foros, wikis y chats, para intercambiar ideas o
preguntas sobre los materiales u otros aspectos de su vida
como pacientes crónicos. Para estimular y ordenar la
participación en la red, se dispuso la figura de un “animador”
(no médico). Periódicamente, un médico experto en la
enfermedad participó de la red de forma puntual (luego de
leer
las
entradas
de
los
participantes)
para
formular
comentarios, aclaraciones y responder preguntas concretas.
Grupo
control:
Personas
con
las
características
de
la
población meta que no serán objeto de ninguna de las
acciones dispuestas para los Grupos 1 y 2.
182
La investigación fue realizada por un equipo de trabajo
multidisciplinario
integrado
diabetólogos,
Medico/s
por
Economistas,
internistas,
Médico/s
Documentalista
especializado, Especialista en educación y TIC, Ingenieros y
Analista
con
experiencia
en
aplicaciones
educativas,
encuestadores, Asistentes para los talleres sobre Búsquedas y
herramientas de la Web social, Apoyo de soporte y Apoyo
administrativo.
Figura 9.3. Aspecto del Portal para pacientes Diabéticos
utilizado durante la investigación
Se puede acceder al portal (figura 9.3) en la dirección
http://www.evimed.net/diabetes2.0 haciendo clic en el botón
“Entrar como Invitado” y utilizando la clave diabetes2.0
183
La intervención está aún en curso; los resultados finales
todavía no están disponibles. Los datos preliminares [20]
muestran que durante los primeros tres meses de seguimiento,
84 de los 193 participantes habían al menos tres veces
accedido al portal. Sus actividades son en su mayoría pasiva
[49], con menor proporción de los roles activos [35] como
chats y wiki de interacción y menor participación pacientepaciente y pacientes-expertos. Entre 20 y 30 pacientes entran
a la plataforma semanalmente. Más de 20 pacientes no
tenían entrada en los últimos 30 días, lo que demuestra la
dificultad de mantener el interés en esta población. La
población se muestra especialmente interesada en temas
relacionados con la nutrición.
9.3
CONCLUSIONES
La experiencia de EviMed puede facilitar la diseminación del
conocimiento generado por la red IBERO-NBIC, para hacerla
llegar a sus destinatarios finales (la población en general)
articulando a través de grupos de investigación relacionados,
expertos de las diferentes especialidades que componen el
clúster, e integrando propuestas y procesos educativos que no
sustituyan sino que complementen las iniciativas existentes
dentro de cada grupo.
184
Es una tendencia mundial apuntar a una mejor gestión del
conocimiento como forma de mejorar la calidad y la
eficiencia. En cualquier grupo de trabajo, este conocimiento
es uno de sus principales activos. Citando a Ikujiro Nonaka (del
año 2000), “la piedra angular del enfoque japonés reside en
reconocer que la creación de nuevo conocimiento no es
simplemente una cuestión de «procesar» una información
objetiva. Es más bien una cuestión de saber aprovechar las
tácitas y a menudo muy subjetivas percepciones, intuiciones y
corazonadas de los empleados, y luego poner esas ideas a
disposición de toda la empresa para ser probadas y utilizadas.
En la empresa creadora de conocimiento, generar nuevo
conocimiento no es una actividad especializada de unos
pocos —el campo de acción del departamento de I+D o el
de marketing, o el de planificación estratégica—. Es un estilo
de conducta, un modo de actuar; de hecho, una forma de
ser en donde todos son trabajadores del conocimiento”.
185
REFERENCIAS
[1] Fletcher S. 4 Continuing education in the health professions:
improving healthcare through lifelong learning. Chairman’s
summary of the conference. Josiah Macy Jr Foundation, 2008.
http://www.josiahmacyfoundation.org/documents/Macy_Co
ntEd_1_7_08.pdf
[2] Gabriel Kaplún, El ateneo electrónico, CELACOM – ENDICOM
- WACC – Sâo Paulo 2004,
http://www.evimed.net/novedades/Kaplun,SanPablo2004.PDF
[3] EviMed. http://www.evimed.net y http://www.evidoctor.net
[4] Llambí L, Margolis A, Toews J, Dapueto J, Esteves E, Martínez E,
Forster T, López A, Lockyer J. Distance education for
physicians: Adaptation of a Canadian experience to Uruguay.
J Contin Educ Health Prof. 2008; 28(2):79-85
[5] Martínez E, Margolis A, Joglar F, Alonso D, López Arredondo A,
García S. From Uruguay to Puerto Rico: similarities and
differences in CME and the context of health care.
Presentado en el Continuous Medical Education Congress,
Vancouver, Canadá, Mayo 2008.
[6] Cimino JJ, Li J, Graham M, Currie LM, Allen M, Bakken S, Patel
VL. Use of online resources while using a clinical information
system. AMIA Annu Symp Proc. 2003:175-9.
186
[7] Brul M. Necesidades educativas de los médicos rurales y
urbanos del Uruguay. Informe de pasantía por EviMed para la
Universidad de Twente (Holanda), abril 2008. Disponible en:
http://www.evimed.net/boletines/0184/imagenes/Final_report
_CME_needs.pdf
[8] The Impact of ICTs in Health Promotion: A Randomized
Experiment with Diabetes Patients, disponible en la Web del
Banco
Interamericano
de
Desarrollo:
http://www.iadb.org/res/Project_Search.cfm?st_id=101
[9] Rivero Illa M. Enhancing the livelihoods of the rural poor. The
role of information and communication technologies. ICPUniversidad de la República. Junio 2007.
[10] Bonina C, Rivero Illa M. Telefonía móvil y pobreza digital en
América Latina. ¿Puede la expansión de los teléfonos
celulares reducir la pobreza en América Latina? DIRSI, 2008
(Serie Concurso de Jóvenes Investigadores, 3) 38 p. il.
[11] Fontelo P. Extending the benefits of One Laptop per Child to
health. BMJ. 2008 Dec 1;337:a2459. doi: 10.1136/bmj.a2459..
Disponible
gratuitamente
en:
http://www.bmj.com/cgi/content/full/337/dec01_1/a2459
[12] MedlinePlus http://medlineplus.gov/spanish/
[13] DM programming moves from the Internet to mobile phones
for added impact. Dis Mana Advis. 2007 Jul; 13(7):73-6.
187
[14] Faridi Z, Liberti L, Shuval K, Northrup V, Ali A, Katz DL. Evaluating
the impact of mobile telephone technology on type 2
diabetic patients' self-management: the NICHE pilot study. J
Eval Clin Pract. 2008 Jun; 14(3):465-9.
[15] Ferrer-Roca O, Cárdenas A, Diaz-Cardama A, Pulido P. Mobile
phone text messaging in the management of diabetes. J
Telemed Telecare. 2004; 10(5):282-5
[16] Blonde L, Parkin CG. Internet resources to improve health care
for patients with diabetes. Endocr Pract. 2006 Jan-Feb;12
Suppl 1:131-7
[17] Wangberg SC. An Internet-based diabetes self-care
intervention tailored to self-efficacy. Health Educ Res. 2008
Feb;
23(1):170-9.
Disponible
gratuitamente
en:
http://her.oxfordjournals.org/cgi/reprint/23/1/170
[18] Bull SS, Gaglio B, McKay HG, Glasgow RE. Harnessing the
potential of the internet to promote chronic illness selfmanagement: diabetes as an example of how well we are
doing. Chronic Illn. 2005 Jun; 1(2):143-55.
[19] Liszka HA, Steyer TE, Hueston WJ. How to guide patients for
online information: focus on chronic disease. J S C Med Assoc.
2005 Dec; 101(11):378-80
[20] The impact of Information and Communication Technologies ICT in health promotion: an experiment with diabetes type 2
188
patients, Elisa Martínez, Natalia Miranda,
Thais A. Forster,
Graciela Vitarella, Susana Maggiolo, Laura Llambí, Antonio
Lopez, Ana Balsa, Nestor Gandelman, Alvaro Margolis. Poster
para Medinfo 2010
189
Capítulo 10
APLICACIONES MÉDICAS DE LAS NANOTECNOLOGÍAS EN
RELACIÓN CON LAS OTRAS TECNOLOGÍAS NBIC
Jose M. Vázquez1, Fernando Martín2, Marcos Martínez1 y
Francisco J. Nóvoa1
E-mail1: {jmvazquez, marcosmartinez, fjnovoa}@udc.es,
E-mail2: [email protected]
Área de Bioinformática y Salud Pública. Instituto de Salud
Carlos III - Madrid (España)
10.1 LAS TECNOLOGÍAS CONVERGENTES
O TECNOLOGÍAS NBIC
El término Tecnologías Convergentes o Tecnologías NBIC
-nanotecnología,
biotecnología,
tecnologías
de
la
información y ciencias cognitivas- se refiere al estudio
interdisciplinario de las interacciones entre sistemas vivos y
sistemas artificiales para el diseño de nuevos dispositivos que
permitan expandir o mejorar las capacidades cognitivas y
190
comunicativas, la salud y las capacidades físicas de las
personas y en general producir un mayor bienestar social. El
carácter distintivo de NBIC radica en la contribución sinérgica
de la nanotecnología sobre las otras tres disciplinas y la fuerte
complementariedad de las cuatro en torno al estudio de las
interacciones entre sistemas vivos y artificiales [1].
La iniciativa NBIC se origina en Estados Unidos y se oficializa en
junio de 2002 con la publicación del informe: “Convergent
Technologies
for
Improving
Human
Performance
(nanotechnology, biotechnology, information technology and
cognitive science)”, financiado por la National Science
Foundation (NSF–US) en colaboración con el Department of
Commerce (DC–US) y editado por Mihail C. Roco y William
Sims Bainbridge [2].
Debido a esta convergencia inminente están surgiendo
nuevas tecnologías con nombres que combinan varias
especialidades hasta ahora sin interconexión y dan lugar a
una amplia gama de aplicaciones [3]:
x
Nanotecnología
Las nanociencias constituyen un nuevo enfoque atómico y
molecular, que supone un conocimiento profundo de los
átomos y de sus interacciones, las cuales se rigen por las
leyes de la mecánica cuántica. Este conjunto de técnicas
se utilizan para el estudio, diseño, creación, síntesis,
191
manipulación y aplicación de materiales, aparatos y
sistemas funcionales a través del control y la explotación
de fenómenos y propiedades de la materia a escala
“nano” o nanoescala.
x
Biotecnología
Es la aplicación de la ciencia y la tecnología a los
organismos vivos, así como a partes, productos y modelos
de los mismos, para alterar materiales, con el fin de
producir conocimientos, bienes o servicios. En el campo de
la salud humana, la biotecnología se utiliza actualmente
en cuatro grandes áreas: fármacos, vacunas, terapia
celular y génica y diagnóstico.
x
Tecnologías de la Información
El concepto de las Tecnologías de la Información se utiliza
para designar aquello que está relacionado con la
informática conectada a Internet, con el cálculo y
transmisión de datos, ordenadores, microelectrónica,
telecomunicaciones, autómatas programables, robótica,
etc.
x
Ciencias y Tecnologías Cognitivas
Las ciencias cognitivas centran su estudio en la mente
humana (obtención, representación y manipulación de
192
conocimiento). Su enfoque y su área de investigación es
marcadamente multidisciplinar, fruto de la confluencia
entre la lingüística, la psicología cognitiva, la neurociencia
(exploración y manipulación de la mente) y la filosofía (en
particular la filosofía de la ciencia y la filosofía de la
mente).
Asimismo,
puede
combinar
las
técnicas
experimentales de la neurobiología, la neurociencia y la
psicología, con la fuerza teórica proveniente de los
campos de la neurociencia computacional. Del mismo
modo, puede facilitar el desarrollo de la inteligencia
artificial.
Su principal objetivo es comprender el proceso y los
mecanismos de cognición, el cerebro, la mente y el
comportamiento humano. A través de planteamientos
moleculares,
celulares,
computacionales
y
módulos
cognitivos dará lugar a un mayor entendimiento de los
procesos físicos, químicos y biológicos al nivel neuronal y
sistémico.
Para las NBIC, la investigación fundamental en cada campo,
individualmente, es clave. Por ello, los avances en cada
campo supondrán también una mejora para el resto de
tecnologías implicadas [1]. Esto podría resumirse en las
siguientes frases extraídas de [2]:
193
Si el científico COGNITIVO puede concebirlo,
el NANO puede construirlo,
el BIO puede aplicarlo y
el INFO puede monitorizarlo y controlarlo.
Las acciones entre las cuatro tecnologías pueden establecer
varios
sentidos.
Por
ejemplo,
el
gran
progreso
de
la
nanotecnología se debe en parte a la biotecnología y a la
informática. Así mismo, la tecnología de la información se ve
beneficiada de la nanotecnología dando paso a los
ordenadores cuánticos o biológicos.
La figura 1 muestra el tetraedro NBIC, en el que cada campo
o tecnología se representa por un vértice, cada par de
campos por una línea, cada conjunto de tres campos por una
superficie, y la unión entera de los cuatro campos por el
volumen del tetraedro [4].
194
Figura 1. El tetraedro de las tecnologías NBIC. (Extraído de [2])
10.2 APLICACIONES MÉDICAS DE LA
NANOTECNOLOGÍA
¿Qué es “Nano”?
El prefijo “nano” significa una milmillonésima parte (10-9) de
algo.
Un
nanómetro
(cuya
abreviatura
es
1
nm)
es
1/1.000.000.000 de metros. Para hacerse una idea de la
magnitud “nano” nótese que un pelo humano mide 50.000
nanómetros de ancho, una célula bacteriana mide varios
cientos de nanómetros de ancho, y las cosas más pequeñas
que puede ver el ojo humano sin ayuda miden 10.000
nanómetros de ancho. Diez átomos de hidrógeno en línea
miden exactamente un nanómetro [5].
195
¿Qué es “Nanotecnología”?
Una
definición
buena
y
concisa
de
nanociencia
y
nanotecnología es la que figura en el documento de la
National
Science
Foundation,
editado
por
Mike
Roco,
publicado en 2002 [2]:
Un nanómetro (una milmillonésima parte de un metro) es un
punto mágico en la escala dimensional. Las “nanoestructuras”
están en la convergencia de los dispositivos más pequeños
construidos por el hombre y las moléculas más grandes de los
seres vivos. La ciencia e ingeniería de la escala nano o
“nanoescala” se refieren a la comprensión fundamental y a
los avances tecnológicos resultantes, derivados de explotar
nuevas propiedades físicas, químicas y biológicas de sistemas
de tamaño intermedio entre átomos y moléculas aislados y
materiales no fraccionados, en los cuales pueden ser
controladas las propiedades de transición entre los dos límites
[2].
Principales aplicaciones de la Nanotecnología
Un
estudio
reciente
concluyó
que
las
aplicaciones de la Nanotecnología son [6]:
196
10
principales
1. Almacenamiento, producción y transformación de
energía
2. Mejora de la productividad en agricultura
3. Tratamiento y renovación del agua
4. Diagnóstico e investigación de enfermedades
5. Sistemas de administración de fármacos
6. Almacenamiento y tratamiento de los alimentos
7. Tratamiento de la contaminación del aire
8. Construcción
9. Monitorización de la salud
10. Detección y control de plagas
A primera vista, sólo las aplicaciones 4, 5 y 9 hacen referencia
a
medicina.
determinantes
Pero,
desde
sociales,
un
todas
punto
ellas
de
vista
afectan
de
o
los
están
relacionadas con las tecnologías médicas.
10.3 APLICACIONES MÉDICAS DE LA
NANOTECNOLOGÍA: ESTADO DE LA CUESTIÓN
10.3.1 Introducción
La nanotecnología es una tecnología emergente que busca
explotar distintos avances tecnológicos derivados de controlar
la estructura de los materiales a una escala dimensional
197
reducida, aproximándose a las moléculas individuales. La
escala nano está permitiendo el desarrollo de nuevos
materiales, que pueden usarse en la construcción de
dispositivos y sistemas.
Debe diferenciarse entre nanotecnología y nanociencia.
Básicamente, la nanociencia es el estudio de fenómenos y
propiedades de los materiales a escala nano, mientras que
nanotecnología consiste en aplicar el conocimiento resultante
para crear materiales y estructuras nuevos.
El conocimiento en nanociencia y nanotecnología se está
incrementando en todo el mundo. Se espera que conlleve
cambios
fundamentales
en
la
forma
en
la
que
se
comprenden y se crean los materiales, dispositivos y sistemas.
La aplicación de este conocimiento en investigación de
ciencias de la vida, especialmente a nivel celular, prepara el
escenario para un papel apasionante de la nanotecnología
en salud [7].
En este trabajo se presenta una visión general del estado de la
cuestión en nuevos “nanomateriales” y los avances recientes
de las aplicaciones de la nanotecnología, centrándose en las
aplicaciones médicas. Las áreas médicas relevantes son
cirugía,
terapia,
diagnóstico,
198
imagen,
tecnología
de
implantes, biónica, superficies bio-activas, ingeniería de
tejidos, textiles, y sistemas de administración de fármacos.
Se prevé que los nuevos “nanomateriales” tengan un gran
impacto
en
Actualmente,
muchas
es
áreas
posible
relevantes
desarrollar
y
diferentes.
materiales
de
alto
rendimiento y propiedades únicas, que no era posible fabricar
con los métodos tradicionales. Los “nanotubos” (nanotubes,
en inglés) de carbono y los “nanocables” (nanowires, en
inglés) inorgánicos presentan extraordinarias propiedades
mecánicas,
eléctricas,
electrónicas,
termales
y
ópticas.
Aunque lleva más de una década especulándose sobre
nanotubos o nanocables electrónicos, los primeros productos
están a punto de llegar al mercado. Lo harán en forma de
pantallas de emisión de campos (field emission displays, FED),
sensores y memorias no volátiles, entre otros. Los puntos
cuánticos
(quantum
dots,
en
inglés)
o
“nanocristales”
semiconductores poseen importantes propiedades ópticas y
eléctricas, que pueden ser ajustadas de forma precisa
cambiando su tamaño y composición. Debido a que su
síntesis es relativamente sencilla y barata, los puntos cuánticos
ya se comercializan para el desarrollo de aplicaciones
experimentales de imagen biomédica. Los dendrímeros
(complejas macromoléculas de forma esférica) han mejorado
las
propiedades
físicas,
químicas
199
y
biológicas,
en
comparación
con
los
polímeros
tradicionales.
Algunas
propiedades únicas están relacionadas con su forma globular
y la presencia de cavidades internas, lo que les permite
actuar como “nanovehículos” médicos. Además de estos
ejemplos de “nanopartículas” individuales, pueden construirse
materiales nuevos o mejorados, mediante modificaciones en
la superficie. Básicamente, un aumento de la rugosidad
permite
conseguir
una
mejora
de
las
propiedades
absorbentes, adsorbentes y catalizadoras. Se ha demostrado
que el control de las propiedades de la superficie a nivel nano
aumenta bio-compatibilidad de los materiales.
Es difícil predecir con exactitud el calendario de los
acontecimientos, pero se prevé que en los próximos años la
aplicación de los “nanomateriales” y la fabricación basada
en nanotecnología tendrán un papel importante en la
tecnología
médica.
Algunas
ayudas
quirúrgicas
ya
se
benefician de material nano-estructurado, como las hojas
quirúrgicas con revestimiento de diamante de espesor
nanométrico, y las agujas de sutura que incorporan partículas
de acero inoxidable de tamaño nano. Otras aproximaciones
de las nanotecnologías podrían ser la “nanocirugía”, una
alternativa mínimamente invasiva a la cirugía tradicional,
basada en “nanoagujas” (nanoneedles, en inglés) y las
200
tecnologías láser, tales como pinzas ópticas y “nanotijeras”
(nanoscissors, en inglés).
10.3.2 Avances en la lucha contra enfermedades
La
nanotecnología
biomédica
presenta
oportunidades
revolucionarias en la lucha contra muchas enfermedades. Un
área con potencial a corto plazo es la detección de las
moléculas asociadas a enfermedades como el cáncer, la
diabetes mellitus, enfermedades neurodegenerativas, o la
detección
de
microorganismos
y
virus
asociados
a
infecciones, tales como bacterias patógenas, hongos o el virus
del VIH. Dispositivos de macroescala construidos a partir de
componentes
a
nanoescala
muy
sensibles,
como
nano-palancas (nanocantilevers, en inglés), nanotubos y
nanocables,
pueden
detectar
incluso
las
señales
biomoleculares más extrañas, en una fase muy temprana de
la enfermedad. El desarrollo de estos dispositivos está ahora en
la fase de prueba de concepto, aunque su entrada en el
mercado podría ser antes de lo esperado.
Un enfoque diferente de detección molecular in vivo implica
el uso de sensores que se implantan. Sin embargo, esta
técnica todavía se ve obstaculizada por la acumulación no
deseada de microorganismos.
201
10.3.3 Imagen molecular
La imagen molecular se está comenzando a utilizar en
investigaciones clínicas, como un medio no invasivo de
monitorizar el progreso de la enfermedad y la respuesta a la
terapia. Los agentes de imagen molecular permitirán a los
médicos detectar enfermedades en su etapa pre-sintomática,
más temprana y más tratable. La combinación de una
focalización precisa, usando anticuerpos específicos, y unas
propiedades
de
nanopartículas,
mejora
son
de
la
imagen
clave
gracias
para
a
las
aumentar
considerablemente el poder de la imagen de resonancia
magnética, de la imagen óptica, de la imagen nuclear y de
la imagen ultrasónica. Uno de los grandes logros previstos es la
capacidad de identificar tumores mucho más pequeños que
los detectables con la tecnología actual, antes incluso de ser
visibles para el ojo humano.
10.3.4 Terapia
Los avances anteriormente descritos en el diagnóstico médico
rivalizan con los conseguidos en el tratamiento habilitado por
la nanotecnología. Especialmente en el campo de la terapia
del
cáncer,
se
están
desarrollando
aplicaciones
prometedoras. Varias nanopartículas nuevas responderán a
202
los estímulos físicos aplicados externamente. Por ejemplo, las
nanopartículas
magnéticas
de
óxido
de
hierro,
las
nanocápsulas (nanoshells, en inglés) de sílice recubiertas de
oro, y los nanotubos de carbono, pueden transformar la
energía electromagnética en calor, causando así un aumento
de la temperatura, letal para las células cancerígenas. Para
esto, basta con aumentar el campo magnético, o bien irradiar
con una fuente láser externa la zona en la que se encuentran
tales
nanopartículas.
Por
otra
parte,
es
posible
la
administración de quimioterapia y de fotosensibilizadores en
los tumores, y la activación de tales fármacos in situ.
También en otras áreas, el suministro de medicamentos es uno
de
los
principales
campos
de
aplicación
de
la
nanotecnología. El transporte basado en nanopartículas a
través
de
proporcionar
cerebrales,
la
barrera
un
sino
sangre-cerebro
tratamiento
también
eficaz
para
no
sólo
para
otras
los
podría
tumores
enfermedades
relacionadas con el sistema nervioso central como el
Alzheimer y el Parkinson. Además, los sistemas no virales de
administración de genes para la terapia génica, las nanoagujas
(nanoneedles)
para
la
cirugía
celular
y
la
administración de moléculas en el núcleo de las células, las
partículas
de
plata
nanocristalina
con
actividad
antimicrobiana o los agentes hemostáticos en apósitos, los
203
sistemas
de
suministro
de
fármacos
basados
en
microprocesadores para la administración programada de
fármacos, y los recubrimientos nanoporosos administradores
de fármacos en los stents son ejemplos de nuevos materiales
nanotecnológicos
y
dispositivos
en
aplicaciones
de
administración de medicamentos.
En el futuro, la construcción de sistemas de administración de
fármacos que combinen focalización, imagen y funcionalidad
terapéutica en nanoplataformas multifuncionales permitirá
nuevos
y
refinados
procedimientos
no
invasivos.
Estas
nanoplataformas podrían localizar a las células objetivo,
permitir el diagnóstico y, posteriormente, administrar los
fármacos con gran precisión.
10.3.5 Biomateriales
Otro campo importante de aplicación de la nanotecnología
es el de los biomateriales que se utilizan por ejemplo en
ortopedias o implantes dentales o como armazón productos
de tejidos artificiales. Si el diseño de por ejemplo, un implante
de cadera se realiza en nivel nano, se puede construir un
implante que imite fielmente las propiedades mecánicas del
hueso humano, evitando la osteopenia y la consiguiente
pérdida de tejido óseo circundante. Además, modificaciones
204
de la superficie de los biomateriales o de sus revestimientos a
nivel
nano
podría
mejorar
considerablemente
la
bio-compatibilidad, favoreciendo la interacción de las células
vivas con el biomaterial, especialmente por su efecto
beneficioso sobre la adhesión celular y la proliferación.
Junto con el control de la nanoporosidad, que permite la
vascularización y el crecimiento de las células en el interior del
biomaterial,
las
superficies
nano-estructuradas
de
los
biomateriales también permiten la creación de nuevos tipos
de armazones para productos de tejidos artificiales. Un
enfoque prometedor para esta última aplicación son las
nanofibras producidas usando péptidos auto-ensamblados
biodegradables y con funcionalidad mejorada.
10.3.6 Dispositivos para diagnóstico
Los dispositivos sanitarios para diagnóstico in vitro, tales como
los chips de genes, de proteínas o los “Lab-on-a-Chip”, no
presentan ninguno de los problemas de seguridad asociados
a las nanopartículas introducidas en el cuerpo humano. Con
esta tecnología, se pueden conseguir numerosos dispositivos y
sistemas para la secuenciación de moléculas simples de ADN.
Los “nanoporos”, una nueva tecnología de nanoescala,
permiten crear secuenciadores de ADN ultrarrápidos y en
205
tiempo real. Se prevé que estos chips desempeñen un papel
importante en la medicina del futuro. Serán personalizados y
combinarán el diagnóstico con el tratamiento en una nueva
área médica emergente llamada Theranostics1 (terapia
diagnóstica para pacientes individuales).
10.4 CONCLUSIONES
La Nanomedicina está ahora en el ámbito de la realidad.
Existe
cierta
preocupación
por
la
seguridad
de
las
nanopartículas introducidas en el cuerpo humano, aunque la
investigación para abordar esta cuestión está ya en marcha.
Ejemplos
de
dispositivos
médicos
que
utilizan
la
nanotecnología, y que ya están en el mercado, son las
herramientas
quirúrgicas
con
propiedades
mejoradas,
agentes de contraste de tamaño nano para imágenes
moleculares, materiales de sustitución ósea construidos a partir
de materiales nanoestructurados, marcapasos y audífonos de
tamaño
reducido
y
mayor
potencia,
dispositivos
Lab-on-a-Chip de diagnóstico in vitro, apósitos que contienen
partículas
de
plata
nanocristalina,
1
micropalanca
EltérminofueusadoporprimeravezporelpresidentedePharmaNetics,JohnFunkhouser.
Él lo definió como “La capacidad de influir sobre la terapia o tratamiento de un estado de
enfermedad”.
206
(microcantilever, en inglés), y los sistemas basados en
microagujas (microneedle, en inglés) para la administración
de fármacos mínimamente invasiva.
En los próximos diez a veinte años, la nanotecnología puede
transformar la ciencia, la tecnología y la sociedad ofreciendo
una importante oportunidad para mejorar la salud humana de
formas novedosas, sobre todo mediante la detección y el
diagnóstico precoces de la enfermedad, así como un
tratamiento preciso y eficaz, hecho a la medida del paciente.
207
REFERENCIAS
[1] Amalia Duch (IIIA), Gemma Gabriel (CNM-IMB) y José Luis
Viñas (IIBB). Tecnologías Convergentes NBIC. Situación y
Perspectiva. Barcelona, Noviembre de 2005
[2] Mihail C. Roco and William Sims Bainbridge (eds.). Converging
technologies
for
improving
human
performance:
Nanotechnology, biotechnology, information technology and
cognitive
science.
Technical
report,
NSF/DOC–sponsored
report, Arlington, Virginia, junio 2002.
[3] Lopez-Alonso, V., Lopez-Campos, G., Hermosilla-Gimeno, I., &
Martin-Sanchez, F. (2008, October 27 - 28). NBIOTIC, an
Educational Resource on Convergent Technologies (NBIC) for
BioMedical informaticians. IMIA Working Group on Health and
Medical
Informatics
Education
meeting,
Buenos
Aires,
Argentina.
[4] Williams, R.S. & P. Kuekes, 2002. Balancing Opportunities and
Investments for NBIC. En: Roco M.C. and BainbridgeW.S. eds.
Converging Technologies for Improving Human Performance,
NSF-DOC Report, Junio 2002, Arlington, VA, USA.
[5] Ratner, M., & Ratner, D. (2002). Nanotechnology: A Gentle
Introduction to the Next Big Idea. New Jersey: Prencice Hall.
[6] Wolbring, G. (2006). Emerging Technologies (Nano, Bio, Info,
Cogno)
and
the
Changing
208
Concepts
of
Health
and
Disability/Impairment. A New Challenge for Health Policy,
Research and Care. Health &Development, 2(1&2), 19-37.
[7] Roszek, B., De Jong, W. H., & Geertsma, R. E. (2005).
Nanotechnology in medical applications: state-of-the-art in
materials and devices. Bilthoven (Holanda): RIVM report
209
APÉNDICE I
PROGRAMA DE ACTIVIDADES
210
211
212
APÉNDICE II
REPORTAJE FOTOGRÁFICO DEL WORKSHOP INTERNACIONAL “KICKOFF REDES NANOROADMAP E IBERO-NBIC”.
Pazo de Lestrove, sede de las jornadas.
Visita del Presidente de la Xunta y la Conselleira de Sanidad.
213
1
2
3
4
Desarrollo de las jornadas. 1: Jordi Aguiló, Alejandro Pazos,
Fernando Aldana y Albert Figueras. 2: Fernando Martín en su
exposición. 3-4: Asistentes al Workshop.
1
2
1
Actividades culturales. 1: Visita a la casa de Camilo José Cela.
2: Visita a la casa de Rosalía de Castro.
214
Ruta Marítima Xacobea O Grove-Padrón.
Visita a La Catedral de Santiago de Compostela.
215
216