Data quality as the missing translational layer in computational drug repurposing

Technische Samenvatting: Datakwaliteit als de ontbrekende translationele laag in computationele heroriëntatie van geneesmiddelen (Drug Repurposing)

Probleemstelling
Computationele heroriëntatie van geneesmiddelen heeft de generatie van medicijn-ziekte-hypothesen versneld door middel van diverse databronnen, waaronder chemische structuren, genexpressieprofielen en real-world data. Er bestaat echter een kritieke translationele kloof tussen de snelle generatie van kandidaat-rangschikkingen en de beschikbaarheid van besluitvormingsgereed bewijs. Huidige workflows verwarren vaak hoge modelscores of grote literatuurvolumes met "bewijs-gereedheid" (evidence readiness). Dit leidt tot de prioritering van kandidaten die worden ondersteund door gefragmenteerd, ruizig, onvolledig wat betreft veiligheid of onvolwassen bewijs. Het kernprobleel is niet een gebrek aan methoden voor kandidaat-generatie, maar de afwezigheid van een consistente, gestructureerde laag om de kwaliteit, volwassenheid en translationele relevantie van het bewijs te beoordelen voordat een nominatie wordt geëscaleerd naar deskundige beoordeling of validatie.

Methodologie
Het artikel stelt een raamwerk voor van Evidence-Readiness Auditing (bewijs-gereedheidsaudit), gepositioneerd als een laag van besluitvormingskwaliteit tussen computationele nominatie en downstream portfolio-prioritering. In plaats van klinische effectiviteit te voorspellen, evalueert deze audit de interpreteerbaarheid en robuustheid van de bewijsvoering. Het raamwerk beoordeelt zes specifieke dimensies:

1. Terminologiekwaliteit: Het evalueren van de consistentie van de mapping van drug- en ziekte-entiteiten (bijv. het onderscheid tussen actieve ingrediënten, zouten en merknamen; het waarborgen dat ziektesubtypes correct zijn geïndexeerd).
2. Samenstelling van de literatuur: Het deconstrueren van het volume van de opgehaalde literatuur in therapeutische, bijwerking- en irrelevante categorieën om signaal van ruis te onderscheiden.
3. Veiligheidsbelasting (Safety Burden): Het auditeren van eerdere belastingen, dosisrelevantie en blootstellingsprofielen om te bepalen of eerdere menselijke ervaring overdraagbaar is naar de nieuwe indicatie.
4. Externe ondersteuning: Het identificeren van de aanwezigheid van klinische trials, regulatoire ondersteuning of onafhankelijke validatie.
5. Bewijsvolwassenheid: Het classificeren van de staat van het bewijs (bijv. goedgekeurd gebruik, ondersteund door trials, preklinisch, computationeel) zonder deze verschillende staten samen te voegen tot één enkele betrouwbaarheidsscore.
6. Bayesiaanse onzekerheid: Het kwantificeren van de stabiliteit van de volwassenheidsbeoordeling, waarbij onzekerheid wordt behandeld als een expliciet onderdeel van het besluitvormingsprobleem in plaats van een post-hoc kanttekening.

Om dit raamwerk te valideren, hebben de auteurs een heterogene benchmark geconstrueerd van 28 drug-ziekte paren. Deze set omvatte COVID-19 voorbeelden, klassieke heroriëntatie-controles, oncologie-controles en computer-ondersteunde oncologie-hypothesen. De benchmark was niet ontworpen om effectiviteit te bewijzen, maar om het vermogen van de audit te testen om verschillende bewijsstatussen te onderscheiden (bijv. gevestigd klinisch gebruik versus schaarse computationele nominatie).

Belangrijkste Resultaten
De toepassing van de evidence-readiness audit op de benchmark leverde verschillende cruciale inzichten op:

• Gereedheid en onzekerheid zijn verschillend: De studie toonde aan dat de evidence-readiness score van een kandidaat niet geïsoleerd kan worden geïnterpreteerd. Een kandidaat met een matige gereedheid maar smalle onzekerheid (stabiel bewijs) is fundamenteel anders dan een kandidaat met een hoge gereedheid maar brede onzekerheid (fragiel bewijs). Dat laatste komt vaak voort uit schaarse records, gemengde therapeutische/bijwerking-signalen of onrijpe translatie.
• Literatuurvolume is een slechte proxy voor sterkte: Hoge publicatieaantallen maskeren vaak de samenstelling van het bewijs. Een drug-ziekte paar kan een groot literatuurvoetafdruk hebben die gedomineerd wordt door bijwerkingen, mechanistische speculatie of irrelevante vermeldingen, wat de waargenomen volwassenheid opblaast zonder translationele zekerheid toe te voegen. Omgekeerd kunnen schaarse kandidaten biologisch plausibel zijn, maar een expliciete markering vereisen voor verdere bewijsgeneratie.
• Audit legt "overcalling" bloot: Bij het vergelijken van verwachte volwassenheidslabels met geobserveerde audit-classificaties bleken de meeste gevallen (18 van de 28) "gedeeltelijke overeenkomsten" te zijn. Dit geeft aan dat de meeste heroriëntatie-hypothesen zich in tussenstaten bevinden waar weliswaar enig bewijs bestaat, maar kritieke vragen over veiligheid, ziektecontext-fit of onzekerheid nog onopgelost zijn. De audit identificeerde deze tussenstaten succesvol, terwijl een eenvoudige rangschikking deze waarschijnlijk zou verhullen.
• Veiligheid is contextafhankelijk: De audit benadrukte dat eerdere goedkeuring geen garantie biedt voor veiligheid in een nieuwe indicatie. Veiligheidsrisico's moeten worden geaudit tegen de specifieke voorgestelde dosis, toedieningsweg, formulering en gelijktijdige therapieën van de nieuwe context.

Betekenis en Claims
Het artikel betoogt dat datakwaliteit een translationele vereiste is, en niet louter een detail van de voorbewerking. De primaire betekenis van dit werk is de introductie van Evidence-Readiness Auditing als een mechanisme om de bewijsvoering van drug repurposing transparant, controleerbaar en besluitvormingsgereed te maken.

De auteurs claimen dat dit raamwerk:

• Het object van de besluitvorming verschuift van een gerangschikte kandidaat naar een interpreteerbaar bewijsprofiel.
• Voorkomt dat kandidaten voortijdig worden geëscaleerd op basis van "ruisige" signalen of opgeblazen literatuurvolumes.
• Ondersteunt bij gestructureerde triage door onderscheid te maken tussen kandidaten die klaar zijn voor deskundige beoordeling en kandidaten die verdere veiligheidsbeoordeling, preklinische validatie of voortgezette monitoring vereisen.
• Aansluit bij het denken over besluitvormingskwaliteit in de vroege fase van medicijnontwikkeling door aannames, onzekerheden en alternatieven expliciet te maken voordat middelen worden gecommitteerd.

Het artikel stelt expliciet dat deze audit geen klinische effectiviteit afleidt, de effecten van behandelingen schat of experimentele of klinische validatie vervangt. In plaats daarvan dient het als een upstream controle om te waarborgen dat het beschikbare bewijs voldoende gestandaardiseerd, relevant en veiligheidsbewust is om de volgende strategische stap in de drug discovery pipeline te rechtvaardigen.