Nuestra Temporada 2 – Innovaciones en Oncología – continúa con un enfoque en la medicina de precisión. Hablo con el CEO de Helix, James Lu, quien tuvo una visión interesante sobre cómo está evolucionando la medicina de precisión.
A continuación, encontrarás el video, audio y transcripción:
Aquí está la versión solo de audio
Aquí está la transcripción:
Arundhati: Bienvenido al Podcast Met City Pivot. Soy tu anfitrión. Continuamos con nuestro enfoque en oncología en esta temporada. La medicina de precisión ha sido aclamada como un avance clave en la lucha contra el cáncer, pero ¿qué tan exitosa ha sido realmente? Conversamos con James Lu, CEO y cofundador de Helix, que ayuda a llevar datos genómicos no solo a la investigación y desarrollo de medicamentos, sino también a la atención clínica.
Entonces, para las personas que no conocen mucho sobre la compañía, ¿puedes empezar con lo que haces, cuál es tu misión y algunos de los clientes que tienes?
James: Sí. Así que un poco sobre Helix. Helix es la principal compañía de salud de precisión en el país.
Realmente nos enfocamos en habilitar a los proveedores de atención médica y a los sistemas de salud para habilitar la genómica a gran escala en todo el sistema de salud. Entonces, eso significa que la genómica se piensa realmente como un conjunto de datos que se utilizará en varias líneas de servicio en lugar de un marco de prueba por prueba. Y así somos el socio empresarial de organizaciones como Nebraska Medicine, MUSC, Ohio State, etc.
Ejecutamos como parte de eso, uno de los programas de investigación clínica en salud de precisión más grandes del mundo.
Arundhati: Suena bien. Ahora, ¿han creado un par de registros grandes, verdad? Uno para pacientes tratados con GLP-1 y luego recientemente anunciaron un nuevo Registro Virtual Clínico Genómico Integral de enfermedades autoinmunes.
¿Cómo se están utilizando estos registros? ¿Es principalmente para propósitos de investigación o esperan que salgan fármacos de eso?
James: Sí, así que quizás solo dos piezas allí. Creo que todos son un poco subconjuntos de lo que se llama el Helix Research Network.
Está bien. Entonces, todos nuestros sistemas de salud a gran escala que participan en eso están escalando programas genómicos a al menos cien mil personas o más en nuestro área local de captación. Y luego participan en una red de investigación más grande como parte de eso. Y así, tenemos más de 16 sistemas de salud en todo el país comprometidos con esos programas.
Esperamos que haya más de un millón a dos millones de vidas en ese programa. Y como parte de eso, creamos luego áreas enfocadas en objetivos que son registros virtuales de eso. Así que el autoinmune es uno. GLP-1 es otro, CV, metabólico, tendremos uno en oncología, etc. Así que estas áreas diversas en las que nos enfocamos y tenemos una curación muy especializada, pero que nos permite pensar tanto en el desarrollo de fármacos como en el pronóstico y la prevención del tratamiento.
Arundhati: Bien, me pregunto, ya que también están recopilando este tipo de información, hay otras compañías de datos por ahí como Komodo Health, Clarify Health, Health Catalyst, ¿cómo se diferencian de ellos? ¿Están proporcionando solo datos genómicos, o también están recopilando evidencia del mundo real?
James: Sí, así que creo que la forma de pensar en Helix es que pensamos que la histórica barrera entre la investigación y el lado clínico de la casa ha mantenido casi los datos demasiado aislados en dos lugares diferentes. Y así tienes empresas que dicen: “Oye, hago datos pero no toco la atención clínica”.
Y tienes empresas que solo tocan la atención clínica pero no tocan los datos. ¿Verdad? Así que Helix piensa en el conjunto de datos genómicos como que sirven tanto para propósitos de investigación como clínicos. Y tener los flujos de trabajo clínicos para habilitar todo eso también. Y así tenemos un programa de pruebas clínicas como parte de todo esto también.
Habilitamos tanto programas de detección a gran escala que permiten la detección temprana, pero esos conjuntos de datos genómicos pueden respaldar los casos de uso diagnóstico, los casos de uso farmacológico, los casos de uso pronóstico. Luego, los datos en sí se combinan con datos de historias clínicas, se combinan con reclamaciones, se combinan con otros campos que luego generan un activo de investigación más grande también.
Arundhati: Y estás diciendo que otras personas por ahí, otras compañías no están haciendo esto?
James: Hay algunas compañías que tienen este puente, pero típicamente ves a personas en un lado o en el otro, no suelen intentar hacer los dos.
Arundhati: Está bien. Suena bien. Dado que has mencionado el lado clínico de la atención, déjame hacerte esta pregunta. Hace un par de meses, en enero, el ex comisionado de la FDA, Robert Califf, estaba en la ciudad para la Conferencia Mundial de Medicina de Precisión, aquí en el Área de la Bahía.
Y una mujer del público se levantó y le preguntó cómo cree que ha evolucionado la medicina de precisión en la última década. Y voy a citarlo. Dijo: “No era muy optimista hace 10 años sobre la aplicación práctica de la medicina de precisión. Y diría que ha sido igual de malo que mi expectativa.”
¿Estás en desacuerdo con él? Y si es así, ¿por qué?
James: Esa es una cita interesante del Dr. Califf. Yo, así que no escuché esa cita antes, pero mi opinión personal es en realidad, si estamos en lo correcto en esta próxima era de la medicina, la medicina de precisión será simplemente medicina. Que cada vez más la tendencia va hacia terapéuticos más dirigidos, capacidades de diagnóstico más dirigidas que nos ayuden a tratar a los pacientes con el medicamento adecuado en el momento adecuado.
Todas las cosas que queremos, ¿verdad? Y forma parte de cómo pensamos en la medicina en términos de cómo pensamos en, como cuádruple objetivo, menor costo de atención, mejores resultados para los pacientes, mejor experiencia de los proveedores, etc. ¿Verdad? Así que, personalmente, tengo una visión completamente opuesta del mundo, que tal vez la rutinización de esto lo haga realmente aburrido, pero eso es lo que realmente queremos. Queremos que esto se convierta en parte del estándar de atención. Y así, esa parte del viaje es algo en lo que todos estamos ahora mismo. Creo que la basada en evidencia, si miras la atención oncológica, está muy claro ahora que estas son enfermedades principalmente genéticas impulsadas por biomarcadores genéticos, y que el tratamiento contra esos biomarcadores impulsa mejores resultados.
Así que creo que vamos a ver eso filtrarse y estamos empezando a verlo filtrarse tanto en áreas cardiovasculares, categorías autoinmunes y también en neuro.
Arundhati: Sí, creo que su hermano murió de cáncer o de cáncer de páncreas. De hecho, lo mismo le pasó a mi hermano. No de páncreas, pero de riñón. Pero su hermano murió recientemente y él estaba básicamente, por lo que entiendo, bastante decepcionado con cómo fue su tratamiento.
Y sé que el cáncer de páncreas es una enfermedad agresiva. Supongo que lo que estoy tratando de decir es que no estoy tan en desacuerdo con él porque creo que sabemos más de lo que nunca supimos sobre la genómica y el cuerpo humano, pero eso no se ha traducido en mejores resultados reales porque tenemos una entidad llamada, sabes, pagadores en la ecuación, y ellos determinan qué se reembolsa.
Y de alguna manera determinan, sabes, qué tratamientos verán la luz del día. Su argumento es que se ordenan un montón de pruebas. No entendemos si esas pruebas realmente tienen utilidad clínica. Así que vamos a, ya sabes, no permitir que se realice cada prueba.
Quiero decir, ¿qué pasa? Quiero decir, estás creando todos estos registros, creando la perspectiva. Pero la aplicación práctica real, diría que todavía estamos lejos de donde necesitamos estar.
James: Sí, estoy de acuerdo con esa afirmación, que el desarrollo tecnológico ha superado en gran medida las curvas de adopción, pero aún más las curvas de los modelos de pago.
Arundhati: Mm-hmm.
James: Y si algo, en su espacio, como el paradigma del modelo de pago es un gran impulsor de la adopción, ¿verdad? Si soy un médico que quiere usar algo, la evidencia sugiere que deberíamos usarlo, incluso si todo eso fuera cierto, la adopción por parte de los pagadores aún tomará mucho tiempo.
¿Verdad?
Arundhati: Claro.
James: Y sabes, diría, iba a decir que para mejor o para peor, pero solo para peor es mi opinión, los pagadores operan típicamente en un plazo de retorno de la inversión, ¿verdad? Y por lo tanto, hay mucho un elemento financiero en esta discusión, que internamente lo llamamos desajuste duracional, pero si hago una inversión en algo hoy, ¿me compensa como una entidad que se supone que es una empresa rentable?
Y si solo tengo a esa persona durante seis meses, pero me lleva nueve meses obtener un retorno, voy a decir que no, o mi incentivo es decir que no.
¿Verdad?
Arundhati: Claro.
James: Y sabes, para, iba a decir para mejor o para peor, pero solo para peor es mi opinión, los pagadores operan típicamente en un plazo de retorno de la inversión, ¿verdad? Y por lo tanto, hay mucho un elemento financiero en esta discusión, que internamente lo llamamos desajuste duracional, pero si hago una inversión en algo hoy, ¿me compensa como una entidad que se supone que es una empresa rentable?
Y si solo tengo a esa persona durante seis meses, pero me lleva nueve meses obtener un retorno, voy a decir que no, o mi incentivo es decir que no.
¿Verdad?
Arundhati: Claro.
James: Y así, es en interés de todos, francamente, en interés de los pagadores decir no.
Arundhati: Mm-hmm.
James: Así que se arrastran y eventualmente son arrastrados. Y no sé cómo resolver eso en la atención médica estadounidense, excepto la vista es como si tuviéramos una vista a largo plazo u otro mecanismo financiero para impulsar una vista a largo plazo de prevención o una vista a largo plazo de inversión, eso realmente ayudaría, creo que ayudaría mucho en la adopción.
Arundhati: Mm-hmm.
Y ¿qué hay de la formación de los proveedores? ¿Saber cuándo ordenar esta prueba o si obtendré los conocimientos que realmente quiero si ordeno esta prueba en lugar de ordenar pruebas al azar? Y no sé si lo son, pero parece ser uno de los argumentos por los que son una carga para los pagadores.
James: Sí, creo que es un comentario muy justo sobre la educación del proveedor en general en el espacio de la precisión. Porque el ritmo de desarrollo es tan rápido que, ya sabes, fui a esta escuela de medicina hace, no sé, 15 años, ¿verdad? Enseñamos muy poca genética.
Se podría argumentar que hoy enseñamos un poco más para lo que sin duda será una era en la que haremos mucho de eso en mi opinión.
Arundhati: Mm-hmm.
James: ¿Verdad? Y creo que la realidad es como. El proceso educativo y la ampliación del médico simplemente no han seguido el ritmo. ¿Verdad? Así que ¿cómo hacemos eso en algún momento?
Bueno, tenemos excelentes sistemas de notificación, tenemos educación en el punto de atención, tenemos otras formas de recopilación de información. Creo que debemos pensar en eso sistemáticamente en términos de cómo desplegamos tanto la tecnología como la asistencia a los médicos para tomar mejores decisiones. Mi opinión personal es que el principio organizativo para eso, como las mejores organizaciones para brindar eso, van a ser empresas.
Arundhati: Mm-hmm.
James: Creo que, oye, vamos a educar a cada médico individual sobre cada protocolo probablemente no sea realista. ¿Verdad? Así que ¿cómo puede la empresa proporcionar asistencia digital a los proveedores para que tenga sentido? Y con suerte, ya sabes, la IA generativa puede ayudar también en la educación, en términos de los recursos que proporcionas, a los médicos, con suerte no alucinando los resultados.
Arundhati: Ese es un gran problema. Es un gran problema. Sin duda alguna.
Así que estamos en nuestra temporada de innovaciones en oncología para este podcast, y hemos hablado de tus registros de GLP uno, y tus registros de enfermedades autoinmunes. ¿Estás planeando algo en oncología? Porque veo la medicina de precisión como el motor que podría atacar, ya sabes, el cáncer mejor que otros, ¿mecanismos de tratamiento, otros conocimientos que podríamos obtener, de otros tipos de investigación? ¿Sí. Qué opinas?
James: Sí, cien por ciento. De hecho, solo en la primera declaración, la definición molecular de la oncología como enfermedad está años por delante de cualquier otro campo. Creo que eso llegará a todas partes y creo que el próximo campo que viene es la cardiovascular en realidad.
Arundhati: Mm-hmm.
James: Y realmente se volvió súper relevante en oncología cuando quedó claro que podías vincular un biomarcador molecular con el tratamiento y el pronóstico. Y así creo que simplemente viste esta explosión y creo que es como el 50% de los ensayos en Estados Unidos son ensayos de oncología y el 50% es todo lo demás.
Arundhati: Claro.
James: Y nuestra visión es cuando pensamos en lo que estamos haciendo, hay un par de lugares donde creemos que podemos tener un gran impacto. El primero es cómo piensas en la detección temprana. ¿Verdad? Así que. Sabemos, por ejemplo, hoy en nuestros programas, y hemos hecho cientos de miles de personas ahora, y hemos visto todos los datos, um, sabes, el 90% de los portadores de BRCA se pierden en la práctica típica.
James: El 80% de esas personas realmente no tienen suficiente historia familiar para calificar según las pautas típicas. El otro porcentaje es que los médicos no capturan una buena historia familiar. Probablemente no sea sorprendente si solo tienes 10 minutos.
Arundhati: Claro.
James: Y entonces uno es cómo habilitas un modelo financiero y un programa de acceso donde cualquiera puede tener acceso. Y eso es lo que vemos en nuestros programas. La segunda parte es incluso en pacientes con cáncer directamente incidente, creo que solo el 7% de los pacientes que deberían ser evaluados se evalúan hoy. Realmente, de hecho, creo que no es un problema tecnológico, es un problema de flujo de trabajo, de fuerza laboral.
Y así gran parte de nuestro trabajo es cómo hago que esta capacidad de prueba, estos datos estén disponibles en el momento adecuado para que sea más fácil para las personas practicar en la parte superior de su licencia, para permitir que las personas pasen por los flujos de trabajo, y luego los datos están al alcance de los médicos mientras tratan, ¿verdad?
Así que gran parte de nuestro marco es esta idea de que alguien entra una vez por cualquier motivo, para la secuenciación, y luego puede tenerlo digitalmente. Llamamos a eso consulta de secuencia a menudo. Y así, por ejemplo, los tratamientos quimioterapéuticos que tienen perfiles de efectos secundarios ahora pueden utilizar la farmacogenética, por ejemplo. Así que pensamos en ese continuo desde una perspectiva de atención clínica y luego el registro en el otro lado para hacer constantemente estas preguntas sobre qué funciona mejor, cómo funcionan mejor las implementaciones, qué tratamientos funcionan mejor, etc.
Arundhati: De acuerdo. Tiene sentido. Y solo para aclarar, ¿solo estás involucrado en el aspecto de los datos una vez que la información de secuenciación llega a tus manos? No tienes, no tienes una asociación con Illumina o lo que sea para secuenciar realmente el tejido o lo que sea?
James: Oh, operamos, creo que es el laboratorio clínico de exoma más grande de los Estados Unidos ahora.
Arundhati: Oh, wow. ¿Lo tienen? ¿Vale?
James: San Diego, estuve allí ayer. Es una gran instalación hermosa, pero sí, tenemos una parte de laboratorio de procesamiento muy grande, pero nuestra vista es que, ya sab