El papel de la IA en el descubrimiento de fármacos

La industria farmacéutica lleva mucho tiempo a la vanguardia de la innovación científica, impulsando avances en medicina que pretenden mejorar la calidad de la salud y la esperanza de vida de las personas.

La carrera por desarrollar vacunas y tratamientos para la COVID-19 demuestra que la innovación farmacéutica puede tener un enorme impacto en la salud pública.

Sin embargo, el descubrimiento de fármacos es caro, requiere mucho tiempo y está plagado de incertidumbres. Según un informe de la fundación británica de investigación sanitaria The Wellcome Trust, se calcula que sacar un nuevo fármaco al mercado cuesta aproximadamente 2.500 millones de dólares (PDF).

Los retos científicos y técnicos hacen que la probabilidad de descubrir un nuevo fármaco y llevarlo a un ensayo clínico sea de alrededor del 35%, y la probabilidad de pasar con éxito de los ensayos de fase 1 a recibir la aprobación reglamentaria es de sólo el 9-14%, con un proceso que dura una media de 12-15 a?os. Esto supone un importante obstáculo a la innovación, y las fuerzas del mercado suelen centrarse en áreas con potencial para obtener grandes beneficios comerciales.

Esto abre el camino para que la inteligencia artificial (IA) afecte profundamente a la industria farmacéutica acelerando el proceso de descubrimiento de fármacos, reduciendo costes y aumentando las probabilidades de éxito.

?

Resumen Resumen

1. El potencial de la IA para avanzar en el descubrimiento de fármacos
2. Principales casos de uso de la IA
3. Retos y consideraciones éticas
4. Conclusión

Ver más

Resumen

1. El potencial de la IA para avanzar en el descubrimiento de fármacos
2. Principales casos de uso de la IA
3. Retos y consideraciones éticas
Ver más
4. Conclusión

El potencial de la IA para avanzar en el descubrimiento de fármacos

En la última década, la IA ha logrado importantes avances en el aprendizaje automático (ML), el aprendizaje profundo, las redes neuronales y la IA generativa. El potencial de aplicar estas técnicas al descubrimiento de fármacos está atrayendo la atención de la industria farmacéutica, las empresas tecnológicas, los inversores y los financiadores de la investigación biomédica.

La IA podría transformar la economía del descubrimiento de fármacos y la innovación, permitiendo a los científicos descubrir nuevos medicamentos para tratar o prevenir una gama más amplia de afecciones y pacientes de lo que es posible en la actualidad.

La IA ofrece ventajas en tres ámbitos principales:

• Ahorro de tiempo y costos de investigación al reducir la necesidad de experimentos largos y costosos y agilizar el flujo de trabajo del descubrimiento de fármacos al ejecutar los procesos en paralelo en lugar de en progresión lineal
• Mayor probabilidad de éxito en el desarrollo de fármacos
• Analizar conjuntos de datos para encontrar nuevas dianas moleculares y optimizar la eficacia de los fármacos

Los modelos sugieren que la investigación y el desarrollo (I+D) impulsados por la IA desde el descubrimiento hasta la fase preclínica podrían suponer un ahorro de tiempo y costes de al menos un 25-50%, según el informe de Wellcome. Las publicaciones relacionadas con el descubrimiento de fármacos mediante IA han aumentado un 34% interanual en los últimos cinco a?os, y las patentes un 17%.

Principales casos de uso de la IA

Existen oportunidades para incorporar la IA en casi todas las fases del descubrimiento de fármacos y vacunas. Existen enormes cantidades de datos que los algoritmos pueden sintetizar. Esto no sustituiría el papel de los científicos experimentados, ya que requiere que los químicos medicinales interpreten el resultado de los modelos y libera tiempo para centrarse en tareas de mayor valor.

• Identificación y validación de dianas: Los algoritmos de IA pueden analizar grandes cantidades de datos, incluidos datos genómicos y clínicos, para identificar posibles dianas farmacológicas de forma más eficiente que los métodos tradicionales. Esto reduce el tiempo necesario para la investigación de fármacos y aumenta las posibilidades de identificar dianas con éxito.
• Dise?o de fármacos: La IA puede ayudar a dise?ar nuevos candidatos a fármacos prediciendo estructuras y propiedades químicas y optimizando las moléculas de fármacos existentes para mejorar su eficacia y seguridad. Los sistemas automatizados pueden analizar miles de compuestos químicos para determinar su potencial como candidatos a fármacos, lo que reduce el tiempo necesario para identificar pistas prometedoras.
• Cribado de alto rendimiento: La robótica y el análisis de imágenes basados en IA pueden acelerar el cribado de compuestos.
• Optimización de ensayos clínicos: La IA puede ayudar a agilizar los ensayos clínicos mediante la identificación de grupos de pacientes adecuados, la predicción de respuestas y la optimización de los protocolos de ensayo. Esto reduce los costes y aumenta las probabilidades de éxito de los ensayos.
• Reutilización de fármacos: La IA puede analizar vastos conjuntos de datos de interacciones de fármacos, vías de enfermedades y datos de pacientes para identificar fármacos existentes que potencialmente pueden utilizarse para tratar otras enfermedades. Este enfoque puede ahorrar tiempo y recursos en comparación con el desarrollo de nuevos fármacos.
• Seguridad de los medicamentos: La IA puede supervisar continuamente los datos de los pacientes y los acontecimientos adversos para identificar posibles problemas de seguridad en una fase temprana del desarrollo del fármaco. Esto puede contribuir al desarrollo de fármacos más seguros y reducir las retiradas una vez lanzados al mercado.

La industria médica se está adelantando a la académica en sus esfuerzos por desplegar la IA, liderada por empresas biotecnológicas que crean sus flujos de trabajo de I+D en torno a herramientas de IA y empresas farmacéuticas que adoptan la IA en el descubrimiento de fármacos.

Empresas como Absci y Antiverse están avanzando en el dise?o de anticuerpos “de novo”, o nuevos, basado en la IA. Los algoritmos utilizados para dise?ar secuencias de anticuerpos se basan en las propiedades universales de los anticuerpos para indicar cómo sería un anticuerpo funcional que se uniera a la diana de una enfermedad. Utilizan estos datos para desarrollar un nuevo dise?o, como cuando se examina una cerradura para dise?ar una nueva llave que la abra.

Según Absci, esto podría reducir a más de la mitad el tiempo que se tarda en probar nuevos fármacos, al tiempo que aumentaría la probabilidad de éxito. La empresa validó sus anticuerpos frente a más de 100.000 y descubrió que su tasa de aciertos era entre 5 y 30 veces superior a las líneas de base biológicas.

Las empresas farmacéuticas están trabajando con empresas de descubrimiento de fármacos basadas en IA para avanzar en sus procesos de desarrollo. Por ejemplo, AstraZeneca y Merck se han asociado con BenevolentAI, mientras que Sanofi mantiene una colaboración estratégica de investigación con Insilico Medicine por valor de 1.200 millones de dólares.

Merck también trabaja con Exscientia. Merck ha identificado tres posibles candidatos a fármacos de desarrollo clínico con potencial oncológico, neurológico e inmunológico.

Retos y consideraciones éticas

Aunque la aplicación de modelos de IA en el descubrimiento de fármacos es prometedora, aún no se ha demostrado a gran escala en poblaciones y enfermedades. Entre los retos y las consideraciones éticas se incluyen el sesgo de los algoritmos, la necesidad de datos de origen de alta calidad y los obstáculos normativos. El uso de la IA en la atención sanitaria también suscita preocupaciones sobre la privacidad, la seguridad de los datos en los modelos de formación y la posibilidad de sesgo en la toma de decisiones.

Para aprovechar todo el potencial de la IA a la hora de abordar problemas sanitarios mundiales, es necesario conocer mejor sus aplicaciones y limitaciones actuales y las barreras a las que se enfrenta el sector, afirma Wellcome en su informe.

El sector se está desarrollando con rapidez, pero de forma desigual: más del 80% de las publicaciones de los últimos cinco a?os se centran en la aplicación de la IA a la comprensión de las enfermedades, el descubrimiento de dianas y la optimización de moléculas peque?as. La financiación de los inversores privados sigue estando sesgada hacia las áreas más viables desde el punto de vista comercial, ya que alrededor del 70% de las inversiones relacionadas con la IA en los últimos cinco a?os se han realizado en oncología, neurología y COVID-19.

Para hacer frente a estos retos, la industria farmacéutica debe colaborar con los organismos reguladores, garantizar la transparencia de los algoritmos de IA y dar prioridad a la privacidad y seguridad de los datos. Se necesitan marcos éticos para guiar el uso responsable de la IA y garantizar que los beneficios sean accesibles a todos los pacientes. Deben desarrollarse iniciativas para apoyar la aplicación de la IA en la investigación de afecciones menos atractivas desde el punto de vista comercial y facilitar el acceso a investigadores de países con rentas más bajas.

Esto ayudará a abordar las barreras a la adopción, como la confianza en los algoritmos de IA, la validez de sus conclusiones y las preocupaciones sobre las implicaciones para la investigación científica y la sociedad en general.

Hay esfuerzos en marcha para eliminar estas barreras. Por ejemplo, el Foro Económico Mundial y la Universidad de Oxford han creado el AI Governance Research Group para mejorar la comprensión del desarrollo de la IA y gestionar los riesgos en diversos entornos, incluida la investigación médica.

El Proyecto Wellcome-Sanger sobre la Variación del Genoma Africano trabaja para proporcionar un marco básico que permita generar conjuntos de datos genómicos de alta calidad en el áfrica subsahariana. Y la Fundación H3D, cuyo objetivo es apoyar a los investigadores africanos en el descubrimiento y desarrollo de fármacos, imparte cursos sobre el uso de la IA en el descubrimiento de fármacos para tratar enfermedades infecciosas de relevancia local. En EE.UU., los Institutos Nacionales de Salud (NIH) ofrecen subvenciones para estandarizar los conjuntos de datos que se utilizan en el aprendizaje automático.

Conclusión

El papel de la IA en los descubrimientos farmacéuticos está llamado a transformar la industria acelerando los procesos de investigación, reduciendo los costos y aumentando las probabilidades de éxito en el desarrollo de nuevos fármacos. La adopción responsable y transparente de la IA tiene el potencial de conducir a grandes avances en el descubrimiento de fármacos.

Al mismo tiempo, se corre el riesgo de que las barreras concentren los beneficios de la IA en áreas de tratamiento ya ricas en datos y comercialmente atractivas. Será necesaria una acción concertada para dar forma a la aplicación de la IA y permitir que las poblaciones de todo el mundo se beneficien de la introducción de nuevos tratamientos en el mercado de forma más eficiente que nunca.