Aplicaciones farmacéuticas de la inteligencia artificial

Por Iva Fedorka.

La industria farmacéutica tiene sus esperanzas depositadas en la inteligencia artificial (IA). Confían en que contribuirá a reducir la carga de trabajo, acortar plazos, identificar posibles nuevos usos de los fármacos, mejorar la productividad del sector y aumentar el éxito de los ensayos clínicos.

El descubrimiento y el desarrollo de fármacos para un solo medicamento puede llevar más de una década y costar una media de 2800 millones de dólares. A pesar de dedicar esta gran cantidad de tiempo y recursos, nueve de cada diez siguen sin superar los ensayos clínicos de fase 2 y no llegan a obtener la autorización normativa. El aumento de la digitalización de datos en el sector farmacéutico se presta a las herramientas y redes de IA que imitan los procesos de pensamiento analítico humanos y que pueden programarse para interpretar, «aprender» y tomar decisiones «inteligentes».

Historia de la inteligencia artificial en aplicaciones farmacéuticas

En la década de 1950, los pioneros de la IA hablaban de máquinas que pudieran sentir, razonar y pensar como las personas. El rápido auge de la potencia de procesamiento de los ordenadores y de su capacidad para gestionar grandes cantidades de datos, junto con el desarrollo de algoritmos avanzados desde aquella época, han mejorado considerablemente el conocido como aprendizaje automático (AA). Esta forma de IA está orientada a las tareas, facilita el análisis, entiende y genera palabras escritas y habladas (procesamiento de lenguaje natural) y realmente imita la forma en que pensamos.

Más de 50 años más tarde, el 12 de junio de 2007, el robot Adam identificó con éxito la función de un gen de una levadura. Adam realizó búsquedas en bases de datos públicas y desarrolló hipótesis acerca de los genes que codifican las principales enzimas de la levadura Saccharomyces cerevisiae. Al contrastar estas hipótesis, los investigadores hallaron nueve genes nuevos y exactos y solo uno erróneo.

«Los robots científicos que utilizan la IA pueden analizar más compuestos, y con un mayor grado de exactitud y reproducibilidad, y mantener un registro exhaustivo y que permite realizar búsquedas», explicó el biólogo de sistemas Steve Oliver, de la Universidad de Cambridge y miembro del grupo que construyó el robot Adam. Más tarde, el mismo equipo anunció que la compañera de Adam, Eve, había descubierto un posible nuevo tratamiento para los parásitos resistentes causantes del paludismo.

«Estamos dando la vuelta al paradigma del descubrimiento de fármacos al utilizar la biología y los datos de los pacientes para obtener hipótesis más predictivas», afirmó Niven Narain.

Historias de éxito

Los investigadores de Berg, una empresa biotecnológica situada cerca de Boston, Massachusetts, utilizaron la IA para identificar posibles tratamientos a partir de la causa de una enfermedad. Analizaron más de 1000 muestras de células humanas cancerosas y sanas, modificando las condiciones de proliferación y midiendo después el rendimiento celular y los resultados. El análisis mediante IA, que incorporaba datos biológicos y de resultados de los pacientes, puso de manifiesto las principales diferencias entre las células enfermas y las sanas.

«Estamos dando la vuelta al paradigma del descubrimiento de fármacos al utilizar la biología y los datos de los pacientes para obtener hipótesis más predictivas, en lugar del método tradicional de ensayo y error», afirmó Niven Narain, cofundador, presidente y director ejecutivo general de Berg. Su equipo utilizó esta estrategia para identificar moléculas específicas del metabolismo del cáncer y determinar cómo funcionaría un nuevo fármaco anticanceroso. Ese fármaco (BPM31510) se está estudiando actualmente en un ensayo de fase 2 en pacientes con cáncer de páncreas avanzado. La empresa está utilizando el mismo sistema de IA para identificar dianas terapéuticas y tratamientos para la diabetes, la enfermedad de Parkinson y otros trastornos.

La empresa londinense BenevolentAI cuenta con una plataforma de IA basada en la nube que analiza datos de artículos de investigación, patentes, historias clínicas de pacientes y ensayos clínicos. La base de datos incluye más de mil millones de relaciones documentadas o deducidas entre genes, síntomas, enfermedades, proteínas, tejidos, especies y medicamentos. Se utiliza como un motor de búsqueda y es capaz de generar gráficas de enfermedades, genes asociados y compuestos eficaces. «La IA puede poner todos estos datos en contexto y sacar a la superficie la información más relevante para los científicos dedicados al descubrimiento de fármacos», comentó Jackie Hunter, consejera de BenevolentAI.

Cuando BenevolentAI recibió el encargo de sugerir tratamientos para la esclerosis lateral amiotrófica (ELA), se identificaron cerca de cien compuestos existentes que podrían tratar dicha enfermedad. Los científicos de la empresa eligieron cinco de ellos para analizarlos en el Sheffield Institute of Translational Neuroscience, en el Reino Unido. En el simposio internacional sobre la ELA/EMN celebrado en diciembre de 2017 en Boston, Massachusetts, se comunicó que cuatro de los compuestos habían mostrado resultados prometedores y que uno de ellos incluso retrasaba los síntomas neurológicos en ratones.

Algunos opinan que la capacidad de la IA de identificar causas previamente desconocidas de enfermedades acelerará la tendencia hacia el desarrollo de tratamientos diseñados para pacientes con perfiles biológicos específicos. «Hace mucho que se habla de la medicina personalizada», comentó Hunter. «La IA va a hacer que sea posible».

¿Qué nos depara el futuro?

La IA ya ha demostrado su capacidad de predecir la farmacocinética de un fármaco, sus receptores diana, sus propiedades fisicoquímicas, su solubilidad, su afinidad de unión, su actividad biológica, su toxicidad y otras características que influyen en su eficacia.

Los líderes del sector están de acuerdo en el que uso de la IA puede generar cambios en el proceso de descubrimiento de fármacos. Algunos expertos opinan que los futuros estudiantes deberán adquirir conocimientos sobre biología asociados a la informática, la estadística y el aprendizaje automático. Algunas universidades ya han creado programas de grado en informática biomédica, aunque la demanda de estos grados puede variar a medida que vayan apareciendo nuevos tratamientos.

Otros creen que las predicciones acerca de la capacidad de la IA para revolucionar el descubrimiento de fármacos son demasiado optimistas. Narain, que espera que la IA impulse grandes avances, coincide en que las afirmaciones tal vez sean exageradas, pero que no habrá que esperar mucho para saber si se confirman o se refutan. «Esta expectación no puede durar mucho porque, en los próximos cinco años más o menos, la verdad se verá en los datos», declaró. «Si para entonces estamos creando mejores fármacos, y de una forma más rápida y económica, la IA despegará de verdad».

Este contenido se inspiró parcialmente en los artículos «How artificial intelligence is changing drug discovery», Nature, 30 de mayo de 2018; «Transforming Drug Discovery Through Artificial Intelligence», Forbes, 3 de marzo de 2020 y «Artificial intelligence in drug discovery and development», Drug Discovery Today, 26 de enero de 2021.

Iva Fedorka es redactora de contenidos de Thermo Fisher Scientific.

Ojo de la Inteligencia Artificial
Reference