La Inteligencia Artificial impulsa el descubrimiento de los fármacos del futuro

La Inteligencia Artificial (IA) está permitiendo que, mediante algoritmos, los ordenadores comiencen a razonar como seres humanos. Y el desarrollo de nuevos fármacos es uno de los ámbitos que más se va a ver beneficiado, según un reciente estudio de la consultora Deloitte, especialmente en la selección de nuevas moléculas con potencial terapéutico. Además, la IA permite identificar patrones genéticos o de marcadores entre grandes volúmenes de información para identificar tanto grupos de pacientes con mayor probabilidad de respuesta a una terapia como posibles efectos secundarios, permitiendo personalizar los tratamientos.

El punto de inflexión en esta campo se produjo hace cuatro años, cuando la empresa DeepMind (propiedad de Google) desarrolló el software Alphafold, que lograba predecir la estructura de las proteínas, lo que sentaba la base para el desarrollo de nuevas moléculas que, finalmente, pudieran convertirse en nuevos medicamentos. El origen de esta tecnología es muy curioso: parte de Deep Blue, la computadora que derrotó al campeón de ajedrez Garry Kasparov en 1997 y que almacenaba millones de partidas desde el siglo XVI, lo que le permitía calcular millones de jugadas por segundo.

El siguiente enfoque fue distinto, apostando por las redes neuronales similares a las de nuestro cerebro. Y, en vez de alimentar a la máquina con información sobre partidas de ajedrez, los ingenieros prefirieron que la máquina aprendiera a jugar ajedrez contra sí misma, arrasando a la mejor computadora de ajedrez de aquel momento. Y lo mismo sucedió cuando aprendió go, el milenario pasatiempo oriental, con muchos más millones de posibilidades de movimiento que el ajedrez. Todo lo aprendido en este camino se aplicó a los billones de posibilidades combinatorias que ofrecen las proteínas y, por tanto, los futuros fármacos. Y que ahora se traducen en apenas unos segundos de cálculo.

En paralelo, otras compañías están usando otras herramientas y otros enfoques para desarrollar nuevos medicamentos, como la empresa biotecnológica Insilico, radicada en Hong Kong y que ya está probando en humanos un fármaco para la fibrosis pulmonar idiopática. El tratamiento se desarrolló de forma íntegra por IA y permitió reducir a apenas 18 meses el plazo en el que se desarrolló el compuesto y se probó en animales. Este mismo abordaje está siendo utilizado por los investigadores de la empresa para el desarrollo de un tratamiento para la Covid-19 y de otro para el cáncer.

Albert Farré es el responsable en España de excelencia de negocio y compromiso con los pacientes del laboratorio suizo Novartis. Como señala, «estamos convencidos de que estos nuevos sistemas pueden ser grandes aliados a la hora de reimaginar la medicina y revolucionar la manera en la que abordamos la innovación para dar respuestas a las patologías más prevalentes de la sociedad, como las cardiopatías y el cáncer».

La multinacional utiliza, para el desarrollo de nuevos fármacos, la herramienta Data 42, un «data lake» –una plataforma que alberga gran cantidad de información sin procesar– en el que se han recopilado datos de los más de 5.000 ensayos clínicos realizados por Novartis en el mundo en los últimos 25 años. Con ella se entrenan técnicas de predictibilidad, se optimizan el desarrollo de moléculas y, al final, se reducen tiempos de realización de ensayos para que, en última instancia, la innovación llegue antes a los pacientes» resume Farré.

La IA, prosigue el experto, «puede incidir en toda la cadena de valor sanitaria y en todo el recorrido asistencial de los pacientes. Pero, para verdaderamente promover su potencial y seguir explorando estas líneas, debemos también impulsar la capacidad de las personas para usar y desarrollar estos sistemas. Con este objetivo, en nuestro caso contamos con nuestro Laboratorio de innovación en IA y con seis centros con 460 especialistas, con el objetivo de encontrar aplicaciones posibles de esta tecnología a nuestra actividad y dirigirnos hacia una medicina de precisión cada vez más avanzada».

Liderazgo español

Raquel Tapia es directora general en España del laboratorio francés Sanofi. En su opinión, la IA en el desarrollo de fármacos supone «una enorme oportunidad. Somos una compañía líder en el manejo de la IA a escala y el área del desarrollo de fármacos es, sin duda, prioritaria porque nos está ayudando a acelerar nuestra ambición de ser la compañía de referencia en inmunología. Trabajamos cada día para ser capaces de desarrollar tratamientos que sean o los mejores o los primeros para tratar enfermedades. Pero también trabajamos para ser capaces de desarrollarlos lo más rápido, eficaz y seguro posible, para que los pacientes puedan beneficiarse cuanto antes».

Uno de los aspectos por el que se muestra más orgullosa es que, a través de su Centro Global de Innovación de Barcelona «se estén liderando proyectos mundiales en este ámbito de la Investigación y el Desarrollo para que, por ejemplo, mediante la IA seamos capaces de acortar los plazos de desarrollo de moléculas. En algunos procesos, de semanas a horas. Pero también escoger, en fases iniciales, aquellas moléculas que tienen más posibilidades de llegar a ser un tratamiento eficaz aumentando en un 20%-30% el ratio de probabilidad de éxito. Todo ello requiere, lógicamente, una apuesta de compañía por formar y desarrollar a los equipos en este campo de la IA».

Jorge Pou es director de Innovación y Operaciones comerciales en España del laboratorio británico GSK. Además de las ventajas en el desarrollo de nuevos fármacos y en la mejora de los ensayos clínicos, añade que la IA «es una pata fundamental en nuestro compromiso con adelantarnos a la enfermedad: es decir, con prevenir, diagnosticar antes o intervenir antes y de forma más eficaz en el curso de una patología».

Como ejemplo de cómo se está aplicando la IA en prevención, cita el caso de la hepatitis B. «Para evitar que esta enfermedad progrese hasta provocar complicaciones más graves, como el cáncer de hígado, nuestros científicos –utilizando lo último en IA y técnicas de ‘‘machine learning’’– han identificado biomarcadores que nos permiten comprender qué combinaciones de tratamientos aún en investigación se adaptan a qué pacientes concretos. Así, aumenta potencialmente la probabilidad de lograr una cura funcional, es decir, cuando el virus ya no está presente en la sangre y las funciones hepáticas se han normalizado, frenando así cualquier daño futuro», describe.

En la Microbiología se está aplicando la IA a través del ‘‘machine learning’’, que son herramientas que utilizan datos pasados para predecir y optimizar el futuro, lo que las diferencia de los modelos estadísticos tradicionales. «Uno de nuestros microbiólogos que trabaja en el área de vacunas puede analizar hasta 15 millones de placas de Petri al año, cada una en 15 minutos utilizando una máquina con solamente un 60-70% de precisión. Mediante el uso del aprendizaje profundo, un algoritmo ha sido “entrenado” con los datos anteriores para reducir este tiempo a 10 segundos, con una precisión del 96 %», detalla Pou.

Potencial antibiótico

Los antibióticos son otro grupo de fármacos que pueden beneficiarse, y mucho, de la irrupción de esta nueva tecnología. Debe recordarse que muchos de ellos están perdiendo efectividad debido a las resistencias que se están generando por su mal uso, por lo que resulta preciso desarrollar nuevos antibióticos frente a las bacterias. Una de las dianas es Acinobacter baumannii, que puede tanto infectar heridas como causar neumonía y meningitis y que es resistente a casi todos los tratamientos actuales.

Con este objetivo, investigadores de la universidad McMaster de Ontario, en Canadá, entrenaron a la IA, probando miles de medicamentos con la bacteria, para comprobar cuáles tenían efecto y cuáles no. Todos los datos se introdujeron en la IA, de manera que la herramienta supiera qué fármacos eran potencialmente útiles contra dicha bacteria.

El resultado fue que había más de 6.600 compuestos que podrían utilizarse. La lista se obtuvo en apenas 90 minutos y se publicó en la prestigiosa revista «Nature Chemical Biology». Los investigadores probaron entonces en el laboratorio 240 de estas moléculas y, finalmente, optaron por nueve candidatos para decantarse finalmente por uno, la abaucina, que ataca de manera selectiva a esta bacteria, y no a otras. De esta manera, se consigue prevenir la aparición de nuevas resistencias.

Queda ahora un largo proceso de ensayos clínicos que confirme estos datos preliminares y que permita que el nuevo fármaco llegue a los pacientes. Y que abra la puerta a una nueva generación de medicamentos creados con la ayuda de las máquinas.

Ética para investigar con IA

La patronal Farmaindustria publicó, el pasado mes de mayo, un documento con recomendaciones sobre el uso ético y responsable de la IA en salud por parte de las compañías farmacéuticas. Entre otros aspectos, se subraya que debe garantizar la transparencia en el desarrollo, implementación y uso de soluciones de IA, asegurando que los procesos y algoritmos sean comprensibles y explicables. Otro aspecto clave es que se debe asegurar que el desarrollo y la implementación de la IA en salud respeten los principios de equidad, evitando sesgos y discriminación. También se incide en la privacidad y en la protección de datos, en que se asegure la seguridad y fiabilidad de las soluciones de IA en salud, minimizando los riesgos de errores, fallos o resultados perjudiciales y que se mantenga la supervisión y el control humano en la toma de decisiones.

Redescubrir viejos medicamentos

Uno de aspectos más destacados de la IA es que podría permitir el descubrimiento de nuevas indicaciones para medicamentos ya existentes, mediante el análisis de datos históricos. Así, a través de técnicas avanzadas de análisis de datos y aprendizaje automático, la IA podría servir para identificar correlaciones y patrones ocultos entre efectos de medicamentos y afecciones no cubiertas inicialmente en sus indicaciones aprobadas. Esta metodología no solo aceleraría el proceso de desarrollo de medicamentos al reducir la necesidad de largos y costosos ensayos clínicos iniciales, sino que también ofrece una vía para ampliar el tratamiento disponible para otras enfermedades, maximizando el potencial terapéutico de los medicamentos existentes.