Evaluación de la coadministración en el tratamiento de pacientes con SARS-CoV-2 y los medicamentos para tratar comorbilidades mediante redes neuronales artificiales

El objetivo de este trabajo es desarrollar una herramienta de soporte a la decisión clínica para evaluar el resultado de la interacción de los medicamentos utilizados para tratar el SARS- CoV-2 y la coadministración de medicamentos para tratar comorbilidades. Se utilizan redes neuronales (RNs) para realizar la predicción de los resultados de la interacción de medicamentos. El modelo ha sido desarrollado utilizando una red neuronal artificial del tipo PNN (Red neuronal probabilística) /GRNN (Red neuronal de regresión general). Una vez que la red neuronal artificial fue entrenada, probada y validada, se obtuvo un coeficiente de determinación del 82.79%, con lo que se pueden tener predicciones buenas y rápidas para conocer el resultado de la interacción de medicamentos específicos para el SARS- CoV-2 con otros fármacos para tratar diferentes enfermedades. Para el entrenamiento de la RN se utilizó una base de datos, considerando nueve fármacos para tratar el SARS- CoV-2 y 10 categorías de medicamentos para tratar otros tipos de padecimientos. En la literatura existen estudios que demuestran la importancia de la correcta coadministración de medicamentos. Sin embargo, no existen, actualmente, herramientas que integren el uso de redes neuronales y el nuevo conocimiento obtenido de las respuestas ante las interacciones entre fármacos, que pueden ser utilizados de primera mano por los especialistas en el tratamiento disminuyendo con el riego de dicha interacción. Por ello, este trabajo pretende abordar esta brecha en el conocimiento. Este sistema puede ser utilizado como una herramienta de apoyo a la decisión, para evaluar y seleccionar entre el mejor tratamiento a utilizar en un paciente con SARS- CoV-2, y evitar complicaciones por la interacción negativa que puede provocar con otros medicamentos.