Modelización de la resistencia a los antimicrobianos para prevenir el paludismo
La resistencia a los antimicrobianos (RAM, o AMR por sus siglas en inglés) es uno de los principales retos a los que se enfrenta la humanidad hoy en día. El aumento del uso de antibióticos en el último siglo, tanto en seres humanos como en animales, ha provocado un incremento de patógenos resistentes a los antimicrobianos. La RAM puede desarrollarse si se utilizan medicamentos de baja calidad o si los pacientes no completan el tratamiento. La farmacorresistencia de una infección es un proceso evolutivo que suele requerir múltiples mutaciones, explica Tamsin Lee, especialista en Sistemas Sanitarios Resilientes y Sostenibles en el Fondo mundial para la lucha contra el VIH/SIDA, la tuberculosis y la malaria. «Estos patógenos resistentes sobreviven para seguir transmitiéndose y, así, la resistencia se extiende por toda la población», afirma. Cada año, la RAM causa miles de muertes en la Unión Europea y cuesta millones de euros a los sistemas sanitarios. Sin embargo, prever su prevalencia es todo un reto, en parte por las dificultades que entraña la recopilación de datos.
Modelización de la resistencia a los antimicrobianos
En el proyecto EstAMR, financiado con fondos europeos y llevado a cabo con el apoyo de las Acciones Marie Skłodowska-Curie, los científicos trabajaron para modelizar la resistencia de un parásito que causa el paludismo, «Plasmodium falciparum», que ha desarrollado resistencia a los últimos antipalúdicos. Los resultados podrían ayudar a prever la frecuencia del paludismo farmacorresistente en distintos lugares. El equipo consideró el nivel socioeconómico como un factor agravante de la prevalencia de la farmacorresistencia. «Quizá los medicamentos sean de menor calidad, o un paciente comparta su tratamiento con un familiar», explica Lee. Para comprender mejor este vínculo, los investigadores necesitan muchos datos. Las infecciones de paludismo farmacorresistentes se detectan mediante estudios de marcadores moleculares, que identifican las mutaciones responsables de la resistencia. «Lo ideal sería poder controlar dónde y cuándo se producen las mutaciones en una región y rastrear la propagación de esta variante en toda una población, lo que nos permitiría anticipar cuándo y dónde volverá a producirse», afirma Lee. Sin embargo, los estudios de marcadores moleculares son caros y, por tanto, solo se estudian las regiones sospechosas de tener parásitos farmacorresistentes, lo que significa que los datos recogidos están sesgados.
Utilización de un modelo espaciotemporal
Para sortear este problema, Lee y su equipo crearon un modelo espaciotemporal, que permite cambios en el espacio y el tiempo. Lo poblaron con datos simulados, considerando una situación en un futuro no tan lejano, en el que las infecciones farmacorresistentes se detectarán de forma fácil y barata. Con estos datos simulados, el equipo de EstAMR pudo determinar qué centros sanitarios tenían más probabilidades de sufrir una mayor «aparición» de farmacorresistencia. «Estos centros sanitarios probablemente utilizan medicamentos de calidad inferior y, de esta forma, podemos intervenir y saber por qué los utilizan», explica Lee. «Tal vez la ubicación sea remota, lo que dificulta tener reservas medicamentos, o tal vez su proveedor sea cuestionable, o tal vez haya que educar a los pacientes, o abaratar los medicamentos para que completen el tratamiento», dice Lee.
Educación para garantizar que se sigue el tratamiento completo
Los resultados del trabajo podrían utilizarse para prevenir la propagación del paludismo farmacorresistente y prolongar la vida útil de determinados medicamentos. «La farmacorresistencia es un problema real, pero no es ético negar el tratamiento, aunque sea deficiente», afirma Lee. «Para hacer frente a la farmacorresistencia, tenemos que garantizar que todo el mundo tenga acceso a un tratamiento de calidad y que se le eduque para que lo complete», añade.
Palabras clave
EstAMR, paludismo, antimicrobiano, resistencia, fármaco, infección, modelización, simulado, datos