En los últimos años la inteligencia artificial(IA) ha tomado un peso esencial en el sector de la salud. Que una máquina sea capaz de aprender códigos o patrones no es algo nuevo, pero sus aportaciones en los últimos tiempos han supuesto un cambio de paradigma capaz de mejorar los diagnósticos, el seguimiento y el control de los pacientes con aplicaciones que monitorizan su situación, o realizar pronósticos de las enfermedades de los pacientes. Esta tecnología es capaz, a partir del aprendizaje automático, analizar los datos de proteínas, moléculas o información clínica y, a partir de estos datos, crear patrones y ofrecer respuesta a los problemas que se plantean.
En el desarrollo de los fármacos, la inteligencia artificial está permitiendo democratizar los sistemas, acortar los tiempos y conseguir tratamientos más precisos y personalizados. Se calcula que durante todo el tiempo que se ha dedicado al desarrollo de un fármaco se han podido invertir hasta 2.000 millones de euros. Solo el 12% de los fármacos sometidos a ensayos clínicos son aprobados para su comercialización. Esto supone que, ante el elevado coste, la innovación en las terapias no esté tan presente como se estimaría. Así encontramos que los antibióticos que se están desarrollando actualmente son moléculas ya existentes, algunos para los que incluso ya se conocen especies bacterianas resistentes, como denunciaba hace unos meses la Organización Mundial de la Salud (OMS).
La IA es capaz de identificar terapias innovadoras o moléculas más eficaces y precisas para tratar las diferentes enfermedades
En todos estos puntos la inteligencia artificial facilitaría el proceso. Es tal la importancia de su papel que hace un año la Coalición Internacional de Autoridades Reguladoras de Medicamentos (ICMRA) estableció nuevas recomendaciones enfocadas a ayudar a los reguladores de medicamentos a abordar los desafíos que el uso de inteligencia artificial (IA) plantea y a fomentar su adopción.
La IA es capaz de identificar terapias innovadoras o moléculas más eficaces y precisas para tratar las diferentes enfermedades o condiciones de salud, también permite acortar los tiempos de desarrollo de los fármacos, y al contar con una herramienta que facilita el cribado de los materiales, se reduce el coste de la investigación y el desarrollo. Con todo ello, su presencia en el desarrollo de fármacos aumentaría la probabilidad de éxito.
Es algo que se ha visto recientemente con el desarrollo de las vacunas ARN mensajero contra la Covid-19, un ejemplo de innovación, digitalización e inteligencia artificial que ha permitido tener en un año unas vacunas seguras y eficaces contra la enfermedad causada por el SARS-CoV-2. Pero, además de acelerar el tiempo para conseguir tratamientos, es capaz de desarrollar fármacos para enfermedades que no contaban con cura. Así se ha utilizado de IA para el desarrollo de fármacos contra enfermedades como el glioma pontino intrínseco difuso, un tipo de cáncer cerebral infantil por el momento incurable con una media de supervivencia de entre nueve y doce meses.
EL DESARROLLO DE NUEVOS FÁRMACOS
Otras investigaciones han demostrado como la IA cuenta con un gran potencial para desarrollar fármacos basados en proteínas de forma más rápida y rentables. Ejemplos de estos fármacos son la insulina, algunos tratamientos oncológicos o fórmulas de anticuerpos. Con sistemas de aprendizaje autonómico se consigue aumentar el conjunto inicial de anticuerpos utilizados para desarrollar los fármacos, probando millones de ellos hasta encontrar uno que cumple los criterios para desarrollar el tratamiento.
“El método garantiza que las moléculas están compuestas por materiales que se pueden comprar y que las reacciones químicas que ocurren entre esos materiales siguen las leyes de la química”
Otros sistemas ofrecen directamente la molécula que crear en el laboratorio para el desarrollo de un tratamiento eficaz. Y, aunque a veces los sistemas de IA proyectan estructuras para cuya creación los laboratorios no tienen herramientas, son muchos los estudios que están precisando estas moléculas para poder llegar a tratamientos efectivos, precisos y posibles. Una de estas investigaciones ha creado un modelo de aprendizaje automático restringido para que solo sugiera estructuras moleculares que se puedan sintetizar. “El método garantiza que las moléculas están compuestas por materiales que se pueden comprar y que las reacciones químicas que ocurren entre esos materiales siguen las leyes de la química”, indican en el estudio publicado en la revista ‘Arxiv’ de la Cornell University
“Este proceso reformula cómo le pedimos a estos modelos que generen nuevas estructuras moleculares. Muchos de estos modelos piensan en construir nuevas estructuras moleculares átomo por átomo o enlace por enlace. En cambio, estamos construyendo nuevas moléculas bloque por bloque y reacción por reacción”, dice Connor Coley, profesor asistente de desarrollo profesional Henri Slezynger en los departamentos de Ingeniería Química e Ingeniería Eléctrica e Informática del MIT, y autor principal del artículo. Estos investigadores esperaban que su sistema permitiera atender distintas enfermedades sin necesidad de analizar una y otra vez miles de millones de moléculas en busca de la diana terapéutica para la enfermedad.
De esta forma, lo que hace un año era un futuro cada vez más próximo, y que estaba presente en ensayos clínicos, ahora ha permitido desarrollar tratamientos con los que llevamos meses conviviendo, y seguirá produciendo más fármacos o moléculas terapéuticas, con una innovación que llegará antes a los pacientes de lo que actualmente está sucediendo.