Virtual control arms for paediatric myopia trials: external validation of axial-elongation models

El ojo humano continúa creciendo durante la infancia, de forma muy similar al resto del cuerpo. En muchos niños, este crecimiento no se detiene cuando debería, lo que provoca que el ojo se vuelva demasiado largo. Esta condición, conocida como miopía, hace que los objetos distantes se vean borrosos. Durante décadas, la forma estándar de probar si un nuevo tratamiento podía frenar este crecimiento era realizar un ensayo clínico. En dicho ensayo, algunos niños recibirían el nuevo tratamiento mientras que otros recibirían un par de gafas estándar sin características especiales, sirviendo como un grupo de control para mostrar qué sucedería sin la intervención. Sin embargo, a medida que los tratamientos eficaces para frenar el crecimiento ocular se han vuelto más comunes, se ha vuelto cada vez más difícil y éticamente cuestionable pedir a las familias que inscriban a sus hijos en un estudio donde podrían no recibir ningún tratamiento activo. Los padres se muestran reacios a dejar que sus hijos se queden sin ayuda cuando existen mejores opciones, y los niños que empeoran rápidamente suelen abandonar el estudio, sesgando los resultados. Esto crea un dilema para los investigadores: necesitan saber qué sucede sin tratamiento para demostrar que un nuevo fármaco o lente funciona, pero no pueden encontrar fácilmente niños dispuestos a no recibir tratamiento.

Para resolver esto, los investigadores han recurrido a las matemáticas. En lugar de depender de un grupo de niños sin tratamiento, pueden utilizar modelos informáticos para predecir cómo crecería el ojo de un niño si no recibiera tratamiento. Estos modelos actúan como un "brazo de control virtual", proporcionando una estimación estadística de la trayectoria sin tratamiento basada en factores como la edad del niño, su visión actual y su origen étnico. El desafío, sin embargo, es saber si estas predicciones son realmente precisas. Si el modelo es erróneo, todo el ensayo podría ser engañoso. Un equipo de investigadores se propuso probar cinco modelos publicados diferentes para ver si podían predecir correctamente el crecimiento ocular de niños reales que no estaban recibiendo ningún tratamiento especial. Recopilaron datos de 242 niños de ascendencia china, vietnamita e india que usaban gafas estándar. Los investigadores midieron la longitud de los ojos de estos niños al inicio del estudio y nuevamente después de aproximadamente seis y doce meses. Luego, compararon el crecimiento real de estos ojos reales frente al crecimiento predicho por los cinco modelos matemáticos diferentes.

El estudio encontró que los modelos más recientes, que tienen en cuenta el trasfondo étnico específico de un niño, fueron notablemente precisos para niños de ascendencia de Asia Oriental. Para estos niños, los modelos predijeron la cantidad promedio de crecimiento ocular durante seis meses con un margen de error minúsculo, diferenciándose de las mediciones reales por menos del ancho de un cabello humano. Esto sugiere que, para este grupo específico, un brazo de control virtual podría reemplazar de manera fiable a un grupo de niños sin tratamiento en un ensayo clínico. Sin embargo, los investigadores también descubrieron una limitación significativa: los modelos no eran perfectos para predecir cuánta variación existe entre niños individuales. Aunque los modelos acertaban con la tasa de crecimiento promedio, subestimaban el rango de diferencias observadas en la vida real. Los modelos sugerían que la mayoría de los niños crecerían a un ritmo muy similar, pero en la realidad, algunos niños crecían mucho más rápido o más lento que el promedio. Esto significa que los modelos son herramientas excelentes para predecir lo que sucede con un gran grupo de niños, pero no pueden predecir con exactitud el crecimiento futuro de un niño específico.

La situación era más complicada para los niños de ascendencia del sur de Asia, específicamente aquellos de ascendencia india. Ninguno de los modelos existentes tenía una categoría específica para este grupo. Cuando los investigadores aplicaron los modelos destinados a niños de Asia Oriental o europeos a los niños indios del estudio, las predicciones fallaron. Los ojos de los niños indios crecieron a un ritmo que se situaba en algún punto entre las tasas predichas para los otros dos grupos, más cerca de la tasa de Asia Oriental pero sin coincidir exactamente con ella. Esto indica que, si bien las herramientas actuales son útiles, están incompletas. Funcionan bien para las poblaciones de Asia Oriental, pero dejan a los niños del sur de Asia sin un método de predicción fiable. Los investigadores concluyeron que, para que los modelos sean verdaderamente útiles para todos, se debe recopilar nueva información específica para los niños del sur de Asia y añadirla al sistema.

Otro hallazgo clave fue que el momento de las mediciones importa más de lo que se pensaba anteriormente. Los modelos están diseñados para predecir el crecimiento durante un periodo específico, como exactamente seis meses. En el mundo real, las citas de revisión de los niños rara vez ocurren en la fecha exacta del calendario. El estudio mostró que si los investigadores simplemente asumían que una visita ocurrió a los seis meses cuando en realidad ocurrió a los seis meses y medio, la predicción sería ligeramente errónea. Al utilizar el número exacto de días que transcurrieron entre las visitas, los investigadores pudieron hacer sus comparaciones mucho más precisas. Esta atención al detalle es crucial porque la diferencia entre un tratamiento exitoso y uno fallido puede ser muy pequeña, a menudo solo una fracción de milímetro en la longitud del ojo.

Los investigadores también desarrollaron una herramienta de software gratuita y de código abierto que reúne todos estos modelos diferentes en un solo lugar. Esta herramienta permite a otros científicos realizar los mismos cálculos con sus propios datos sin necesidad de escribir código complejo o compartir información sensible de los pacientes con un servidor central. El software se ejecuta enteramente en la propia computadora del usuario, garantizando la privacidad. No pretende predecir con certeza el futuro de los ojos de un niño individual. En cambio, proporciona una estimación científicamente defendible de cómo sería un grupo de niños sin tratamiento, lo que puede servir como punto de referencia para nuevos tratamientos. El estudio confirma que, para los niños de Asia Oriental, estos controles virtuales son una alternativa viable a los grupos tradicionales sin tratamiento, lo que potencialmente facilita la realización de ensayos clínicos y los hace más éticos. Para otros grupos, particularmente para los niños del sur de Asia, el trabajo resalta una brecha en el conocimiento actual que debe ser llenada. El objetivo final es que el uso de grupos de control sin tratamiento en niños sea la excepción y no la regla, confiando en cambio en modelos matemáticos validados y transparentes para proteger el bienestar de los pacientes jóvenes mientras se avanza en el cuidado de la vista.