Medicamentos exprés: la inteligencia artificial inicia una nueva era en la industria farmacéutica

«Encontrar la solución a una enfermedad es como hallar una aguja en un pajar o dar con una nueva aguja», señaló Zhavoronkov, CEO de la empresa Insilico Medicine inmersa en este nuevo campo. Miguel Sotaquirá, doctorado en bioingeniería y fundador de la web divulgativa Codificandobits.com, pone como ejemplo esta empresa porque logró crear en tan solo 21 días, usando IA, una nueva molécula para tratar la fibrosis quística. Y en menos de una semana consiguió generar un medicamento contra el coronavirus. Esto supone una reducción crítica del tiempo y el dinero.

César de la Fuente, biotecnólogo en la University of Pennsylvania y reconocido por el MIT Technology Review como uno de los innovadores más importantes del mundo, señala a ABC que «hasta ahora sin la intervención de la IA, el descubrimiento y desarrollo de un nuevo fármaco llevaba unos 10 años y podía costar más de dos mil millones de dólares, es decir producir un antibiótico es más caro que enviar un cohete de la NASA a la Luna».

Noticia Relacionada

Pensamientos que encienden dispositivos y se convierten en texto

Alexia Columba Jerez

Pero las reglas de juego pueden cambiar, minimizando los errores y mejorando la concentración de los recursos, ya que actualmente, «la tasa de fracaso para el desarrollo de fármacos en la industria porque no obtienen la aprobación de una agencia del medicamento es del 96%», tal como apuntan los responsables de la empresa Exscientia que ya ha firmado acuerdos con grandes farmaceúticas como Sanofi (por 280 millones de dólares) y GlaxoSmithKline (42 millones).

Y en el caso del investigador De la Fuente está inmerso en algo que le fascina, «abordamos la extinción molecular, resucitamos una molécula que ya no existe con el objetivo de desarrollar un nuevo antibiótico. Intentamos desarrollar herramientas computacionales para poder explorar los genomas de organismos extintos para encontrar moléculas, volverlas a la vida en el laboratorio y ver si pueden servir para matar superbacterias de hoy». Además señala que otra vertiente en el uso de IA es encontrar medicamentos para enfermedades que sufren animales y plantas.

La probabilidad de que un medicamento pase todas las pruebas es baja y el proceso muy largo. Por eso, se produce una deserción en la inversión, lo que se conoce por el `Valle de la muerte´, debido a que es una carrera de fondo incierta.

Como afirma Isabel Díaz Planelles, coordinadora del Máster en Farmaeconomía y del Máster en Marketing Farmacéutico de UNIR, «la aplicación de la IA en procedimientos como el diseño de moléculas, predicciones de toxicidad y eficacia en humanos, y la selección de pacientes idóneos para los ensayos clínicos, ha demostrado ser de gran utilidad para optimizar dichos procesos».

Los investigadores humanos solo consiguen investigar una pequeña parte de lo que hay, mientras que el aprendizaje automático puede hallar posibilidades ilimitadas. Economistas del MIT, la Universidad de Harvard y la Universidad de Boston establecían en un artículo conjunto que el mayor impacto económico de IA podría provenir de su potencial como un nuevo 'método de invención'.

Y Sotaquirá detalla «a los ordenadores les damos información de décadas de estudios farmacológicos y son capaces de generar nuevas moléculas que antes no conocíamos con el potencial de convertirse en un medicamento para atacar una enfermedad particular. Hace unos años Alpha Fold, que es un programa de inteligencia artificial desarrollado por DeepMind de Alphabet, empresa que pertenece a Google, en su primera versión tardaba minutos en identificar una molécula con potencial para luchar contra enfermedades, y contra la próxima gran epidemia que es la resistencia de las bacterias a los antibióticos».

Para esto Google creó la nueva compañía de Isomorphic Labs al tiempo que otra tecnológica como Microsoft también se subía al tren uniendo fuerzas con la compañía farmacéutica suiza Novartis. La fase preclínica que supone encontrar las moléculas candidatas con más posibilidades es lo que se está abordando ahora con IA.

De la Fuente lo describe diciendo que «desarrollamos conjuntos de información biológica muy grande para que el ordenador pueda aprender a entenderla, y pueda escribir nuevas moléculas, como nuevas palabras que uno se inventa. Le enseñamos a comprender el mundo biológico y químico, a leer y escribir, como si fuera un niño y todavía estamos en los primeros estadios».

A continuación viene la experimentación con animales y finalmente la experimentación de ese potencial medicamento con humanos. Estos dos pasos, con el tiempo, y la madurez de la IA también podrá agilizarse mediante el uso de gemelos digitales. «Actualmente estamos en el paso de las proteínas, los siguientes serán estructuras más complejas dando el salto a una IA que emule la anatomía y fisiología de nuestro cuerpo para ver cómo reacciona ante ese posible medicamento», añade De la Fuente.

Además Sotaquirá describe que «el tema de la diabetes, de las enfermedades cardiovasculares o el cáncer, son los tres ámbitos que las farmacéuticas y grupos de investigación están abordando más con la ayuda de IA». En ese sentido, la profesora Planelles afirma que «el auge de esta nueva tecnología ha hecho que el número de grupos de investigación y empresas centradas en su desarrollo haya aumentado convirtiéndose en una de las ramas con más proyección a nivel mundial». Destacando proyectos como el de la empresa escocesa Exscientia, en asociación con la compañía nipona Sumitomo Dainippon, desarrolló la primera molécula creada con IA que conseguía entrar en un ensayo clínico.

Los responsables de Exscientia, explican que el enfoque de su compañía «conduce a una reducción del 70 % en el tiempo de descubrimiento de fármacos (desde el objetivo hasta el candidato) y genera una mejora en la eficiencia del capital del 80 % en el descubrimiento de medicamentos. Sintetizamos y probamos un 90 % menos de compuestos que el estándar de la industria. Centrándonos en la oncología de precisión».

Pero Sotaquirá destaca que «el riesgo a futuro de todo esto es que estos desarrollos o descubrimientos no sean de libre acceso, sino que estén controlados por las farmacéuticas que tienen mucho poder. De tal manera que un descubrimiento para enfermedades cardiovasculares o el cáncer caigan dentro de una patente y otros no puedan acceder a esa información». En esta dinámica de accesibilidad está la ONG Drugs for Neglected Diseases Initiative (DNDi) que con sinergia con diferentes tecnológicas busca tratamientos para enfermedades tropicales y que generan poco interés. Como la leishmaniasis, el dengue o la enfermedad de Chagas.

El doctor Charles Mowbray, director of Discovery de DNDi, aclara que «nuestro objetivo es desarrollar tratamientos asequibles y especialmente para los pacientes desatendidos por las empresas farmacéuticas comerciales. Trabajamos con países de bajos y medianos ingresos, para desarrollar soluciones sostenibles para las necesidades de la salud global».

También se está intentado mejorar los medicamentos ya existentes con IA, reduciendo sus efectos secundarios y encontrándoles nuevos usos. La ventaja aquí es que estos productos ya se han probado en ensayos clínicos para otras aplicaciones, la reutilización de medicamentos conocidos puede hacerlos llegar a los pacientes mucho más rápido y a menor coste que con el desarrollo de nuevos medicamentos. En esa tónica el premio Nobel de medicina Sir James Black, dijo: «La base más fructífera para el descubrimiento de un nuevo fármaco es comenzar con un fármaco antiguo».

Y al mismo tiempo que el uso de IA para desarrollar medicamentos avanza, también lo hace la medicina personalizada o de precisión, de tal modo que ya no solo obtendríamos nuevos medicamentos, sino fármacos hechos a la medida del paciente, ya que cada individuo es un mundo y los medicamentos actuales funcionan en unos, y en otros no. Para Planelles es aquí donde el uso de la IA está jugando un papel fundamental, «maximizando las posibilidades de que el fármaco llegue al mercado».

Más adelante,el desarrollo de esta tecnología y su acceso de forma generalizada puede también tener un impacto positivo para luchar contra las enfermedades huérfanas o enfermedades raras que a casi nadie preocupa porque inciden en una pequeña parte de la población y los grupos de investigación no apuestan por ella. Aquí el reto es un menor número de datos para entrenar al ordenador.

Observando las tendencias Manel Peiró, director del Institute for Healthcare Management de EsadeGov, establece que «se gana en eficiencia. Quien no aplique esa tecnología va a ser dejado de lado. La tecnología de IA es más cara, pero el uso sistemático de ella conducirá, como siempre, a un abaratamiento del coste de la utilización. A parte de una mejora de la seguridad y fiabilidad de los datos. Es como usar un 'smartphone' frente a un teléfono fijo». Permitirá afinar el tiro sobre lo que podría funcionar y lo que no. No en vano, la consultora KPMG ha indicado que la inversión mundial en IA alcanzará en 2025 los 150.000 millones de dólares anuales.

Otros proyectos a destacar en el uso de inteligencia artificial para el desarrollo de medicamentos es el de la empresa británica Benevolent AI, que aplica el aprendizaje automático al desarrollo de fármacos para el tratamiento de enfermedades como el párkinson y cánceres poco frecuentes. Es un unicornio valorado en 2.000 millones de dólares. Mientras que la empresa canadiense Deep Genomics está utilizando la IA para detectar las causas genéticas de las enfermedades, lo que puede ayudar en la investigación de fármacos que regulen los genes defectuosos. Y el MIT Technology Review señala que «actualmente, existen 19 medicamentos en ensayos clínicos (frente a cero en 2020) que han sido desarrollados por compañías farmacéuticas de IA y serán presentados más».

Y si ya la combinación de medicina e IA parece prometedor, si añadiésemos a la ecuación la computación cuántica aumentarían exponencialmente sus opciones. Pero para esto hay que esperar más dado que la computación cuántica está en pañales, Sotaquirá usa una analogía: «Antes de alcanzar los portátiles de hoy, los ordenadores eran enormes y ocupaban varias habitaciones, la computación cuántica estaría en esa fase». No obstante, las posibilidades son impresionantes.

Uno de los principales retos a futuro es definir una legislación clara sobre este tema porque que un sistema sea aceptado, es necesario que los reguladores reconozcan el valor del algoritmo.

Y sobre todo, el principal desafío es el acceso a datos de calidad con los que se alimenta el ordenador, lo que genera que haya empresa como Iktos que tiene una plataforma de búsqueda de moléculas y entrega datos a las farmacéuticas abonadas a este servicio.

Sotaquirá destaca que una barrera de la IA es la explicabilidad, «son modelos de caja negra que generan predicciones impresionantes, pero si me pregunto por qué lo está haciendo así no logro explicarlo, esto en medicina ha limitado el uso de la IA, por ejemplo en el uso en los diagnósticos ya que es importante entender el proceso para que las cajas negras se conviertan en cajas blancas».

Pero de materializarse todas estas capacidades de la IA en la medicina supondría un paso de gigante que igualan al hito de mapear el genoma humano, incluso sería ir más allá. la cuestión es no quedarnos atrás, mientras calculamos lo lejos que podemos llegar.