Cómo la IA puede revolucionar el proceso de descubrimiento de fármacos

La inteligencia artificial (IA) es una tecnología transformadora con implicaciones de gran alcance. Su potencial para revolucionar el proceso de descubrimiento de fármacos en la atención sanitaria no tiene precedentes.

La IA se ha mostrado prometedora en ámbitos de la sanidad como el análisis de imágenes médicas, el diagnóstico de enfermedades y la medicina personalizada. Su capacidad para procesar grandes cantidades de datos y reconocer patrones complejos la ha convertido en una valiosa herramienta para los profesionales de la medicina.

Sin embargo, el impacto más profundo de la IA en la atención sanitaria podría producirse en el descubrimiento de fármacos. Su capacidad de cálculo y predicción puede acelerar la identificación y optimización de fármacos candidatos, transformando un proceso complejo y costoso.

El papel de la IA en el proceso de descubrimiento de fármacos

En un estudio pionero titulado “Accelerating drug target inhibitor discovery with a deep generative foundation model“, investigadores de IBM y la Universidad de Oxford han validado una nueva clase de fármacos antivirales generados por IA. La investigación demuestra que los fármacos diseñados por IA pueden sintetizarse y validarse potencialmente en cuestión de meses. Esto podría acelerar la administración de medicamentos en futuras crisis.

El estudio, publicado en Science Advances, demuestra el potencial de la IA generativa para diseñar nuevas moléculas contra el virus del SARS-CoV-2 (COVID-19).

El equipo utilizó un modelo de IA, CogMol, entrenado con un conjunto de datos de moléculas y proteínas. CogMol generó antivirales viables sin necesidad de conocer la estructura tridimensional del virus.

Mediante el modelo CogMol, los investigadores generaron 875.000 moléculas candidatas para dos dianas proteicas clave del virus: la proteína espiga (situada en el exterior de un coronavirus y que es la forma en que éste penetra en las células humanas) y la proteasa principal (una enzima esencial que desempeña un papel crucial en la replicación del virus). Estos candidatos se sometieron a un exhaustivo análisis de síntesis y modelización predictiva, que permitió seleccionar cuatro compuestos por diana para las pruebas.

A continuación, los compuestos sintetizados se sometieron a pruebas de inhibición de la diana y de neutralización del virus vivo, que revelaron que dos de los antivirales se dirigían con éxito a la proteasa principal. Mientras tanto, los otros dos se dirigían a la proteína espiga y podían neutralizar todas las variantes principales de COVID-19.

Los resultados del estudio ponen de manifiesto el inmenso potencial de la IA generativa para acelerar el proceso de descubrimiento de fármacos. La capacidad de la IA para crear nuevas moléculas permite a los científicos combatir la resistencia a los fármacos y responder rápidamente a las amenazas virales en evolución.

Aunque se necesitan más investigaciones y ensayos clínicos, este estudio allana el camino para el futuro diseño y desarrollo de fármacos impulsados por la IA, lo que podría beneficiar a la atención sanitaria mundial.

El proceso tradicional de descubrimiento de fármacos

Según la Asociación de Investigación Biomédica de California, normalmente se tarda 12 años en desarrollar un nuevo fármaco desde el laboratorio hasta el paciente. A lo largo de este proceso, aproximadamente cinco de cada 5.000 fármacos que se someten a pruebas preclínicas (ensayos con animales) llegan a probarse en humanos. Finalmente, sólo uno de estos cinco fármacos se aprueba para uso humano.

El coste medio de desarrollo de un nuevo fármaco supera los mil millones de dólares. Esta importante inversión cubre los extensos procesos de investigación, pruebas y regulación.

Durante la fase de investigación preclínica, de hasta tres años y medio de duración, los científicos estudian las enfermedades y sus componentes e identifican anomalías en el organismo. Desarrollan y prueban posibles compuestos en tubos de ensayo y animales vivos para evaluar sus efectos.

Las fases de los ensayos clínicos constan de tres etapas. Los ensayos de fase 1, que suelen durar alrededor de un año, administran el fármaco a entre 20 y 80 voluntarios sanos. Los ensayos de fase 2, que duran unos dos años, prueban la eficacia del fármaco en 100 a 300 voluntarios con la enfermedad y establecen las dosis. Por último, los ensayos de fase 3, en los que participan entre 1.000 y 3.000 pacientes y duran unos tres años, confirman la eficacia y seguridad del fármaco.

Tras el éxito de los ensayos clínicos, la empresa debe presentar una solicitud de nuevo fármaco (NDA) a la FDA. La revisión puede llevar hasta seis meses. Tras la aprobación, el fármaco pasa a estar disponible para que los médicos lo prescriban a los pacientes. Tras la aprobación, la empresa farmacéutica debe controlar e informar de cualquier efecto secundario desconocido.

El proceso de descubrimiento de un fármaco conlleva años de investigación, pruebas y trámites reglamentarios, con un coste de más de mil millones de dólares. Por lo tanto, la investigación sobre medicamentos antivirales generados por IA tiene importantes implicaciones para el desarrollo tradicional de fármacos. Demuestra el potencial de la IA generativa para acelerar el proceso, validando potencialmente nuevos fármacos en cuestión de meses en lugar de años.

Aprovechar el potencial de la IA generativa en la atención sanitaria

La IA generativa tiene el potencial de transformar la asistencia sanitaria más allá del proceso de descubrimiento de fármacos. Al analizar grandes conjuntos de datos, mejora el diagnóstico, el cribado y la medicina personalizada, lo que permite una detección más temprana y tratamientos más precisos. Ayuda a aumentar la inscripción en planes de salud mediante recordatorios informativos.

Además, la IA generativa interpreta datos médicos no estructurados y proporciona información exhaustiva. Permite el mantenimiento predictivo para predecir fallos en los equipos y optimizar el mantenimiento. Los robots médicos impulsados por IA ayudan en las intervenciones quirúrgicas, mientras que la IA generativa genera ideas de investigación y responde a preguntas.

Estas aplicaciones transforman la asistencia sanitaria mejorando la atención al paciente, reduciendo costes y fomentando la innovación.

Implicaciones y retos futuros relacionados con el proceso de descubrimiento de fármacos mediante IA

El descubrimiento de fármacos mediante IA tiene un inmenso potencial, pero también presenta importantes retos. En el lado positivo, la IA puede revolucionar la velocidad y la economía del sector, acelerando la identificación de dianas, las simulaciones moleculares y el diseño de fármacos. Ofrece la posibilidad de generar nuevas moléculas de fármacos y priorizar los candidatos de forma más eficiente.

Sin embargo, quedan retos por delante, como las cuestiones sin resolver relacionadas con los derechos de propiedad intelectual, el uso indebido de la tecnología y la garantía de seguridad y eficacia de los medicamentos. Los juristas y los responsables políticos deben prepararse para estos retos a fin de maximizar los beneficios y navegar por las implicaciones éticas y normativas del proceso de descubrimiento de fármacos mediante IA.