Un candidato a medicamento identificado mediante inteligencia artificial ahora se encuentra en ensayos clínicos para tratar la fibrosis pulmonar idiopática, una condición que causa cicatrización en los pulmones. Crédito: Science Photo Library
Durante décadas, los investigadores han buscado una vía rápida hacia el descubrimiento de medicamentos. Sin embargo, el proceso se ha vuelto más lento, así como más arriesgado y costoso. Por lo general, toma de 12 a 15 años desde el inicio de un programa de descubrimiento hasta el punto en el que las agencias de regulación de medicamentos nacionales otorgan la aprobación de comercialización (ref-CR1). Alrededor del 90% de los medicamentos que entran en ensayos clínicos no son aprobados. Se estima que cuesta alrededor de US$2.5 mil millones llevar un medicamento al mercado (ref-CR2), después de contabilizar los costos de los programas exitosos y fallidos en general.
Aunque las compañías farmacéuticas establecidas están luchando por innovar, cada vez hay más afirmaciones de que el disruptor de moda, la inteligencia artificial generativa (IA), está acortando radicalmente las etapas previas a los ensayos clínicos, cuando los medicamentos se prueban en personas. Pero, ¿es cierto?
WeFactAI es una revista digital establecida para ayudar a nuestros lectores en el camino hacia el descubrimiento y el desarrollo de nuevos medicamentos.
El desarrollo de medicamentos implica una serie de pasos específicos. A menudo comienza con la identificación de un objetivo biológico responsable de una enfermedad, que puede incluir ADN, ARN, un receptor de proteínas o una enzima, y luego se realizan pruebas de moléculas que podrían interactuar con él. Esto se denomina etapa de "descubrimiento". Para la mayoría de los medicamentos, los candidatos resultantes son moléculas pequeñas, y los químicos farmacéuticos trabajan para mejorar su actividad y reducir cualquier problema asociado. Si esto tiene éxito, los investigadores desarrollan una molécula líder para llevarla a la siguiente etapa, que es la prueba preclínica. Esto implica pruebas que ayudan a los científicos a comprender cómo se transporta, se descompone y se excreta un candidato a medicamento en el cuerpo de un animal. El trabajo también responde preguntas sobre seguridad y dosis, antes de que se apruebe un medicamento para ensayos clínicos.
En conjunto, las etapas de descubrimiento y preclínica tardan un promedio de seis años (ref-CR1). En febrero de 2022, los investigadores de Boston Consulting Group (BCG), con sede en Massachusetts, informaron de un examen de los proyectos de investigación de 20 compañías farmacéuticas AI-intensivas relativamente nuevas entre 2010 y 2021.
Utilizando datos públicamente disponibles, el grupo BCG determinó que alrededor de 15 candidatos a fármacos habían alcanzado la etapa de ensayo clínico. Posteriormente, reconstruyeron las líneas de tiempo de desarrollo de ocho de estos candidatos3. Los consultores descubrieron que los ocho habían alcanzado los ensayos clínicos en menos de una década. Cinco lo habían hecho en menos tiempo que el promedio histórico.
Otro informe, publicado en junio y coautorizado por BCG y el financiador de investigación Wellcome, afirma que la IA podría generar "ahorros de tiempo y costos de al menos el 25-50%" en el descubrimiento de medicamentos hasta la etapa preclínica (ver go.nature.com/46nkwcm).
Una compañía farmacéutica, Insilico Medicine, con sede conjunta en la ciudad de Nueva York y Hong Kong, anunció en febrero pasado que había avanzado a las pruebas clínicas de fase I con un candidato a fármaco diseñado por IA. La molécula apunta a la fibrosis pulmonar idiopática, una enfermedad grave que provoca cicatrices pulmonares incurables. El candidato a fármaco había completado las etapas de descubrimiento y preclínica en solo 30 meses. En junio, la compañía inició los ensayos de fase II, que estudian con más detalle la eficacia de un candidato.
Estos son desarrollos destacados y sin duda impulsarán la inversión. Aunque la tecnología aún es relativamente joven, las 20 empresas intensivas en IA analizadas por BCG en 2022 ya tenían 158 candidatos a fármacos en etapas de descubrimiento y desarrollo preclínico. Eso se compara con los 333 de las 20 principales compañías farmacéuticas del mundo en términos de ingresos.
No obstante, estas afirmaciones provienen de las propias compañías. Hasta que se verifiquen de manera independiente, se debe tener cierta precaución. Los hallazgos deben ser publicados en literatura revisada por pares y validados por investigadores no afiliados a las compañías involucradas.
Y existen otros desafíos para aprovechar los beneficios de la IA. Los sistemas basados en IA generativa que sugieren moléculas de fármacos candidatos funcionan utilizando patrones aprendidos de datos de entrenamiento para generar nuevos datos con características similares. Esto puede causar problemas. Cuando responde a preguntas de los usuarios, el chatbot ChatGPT a veces fabrica respuestas; en el descubrimiento de medicamentos, el problema equivalente lleva a sugerir sustancias imposibles de fabricar. Estos problemas se pueden superar codificando manualmente el conocimiento de las estructuras moleculares, y con la ayuda de otras herramientas de IA.
IA y ciencia: lo que opinan 1.600 investigadores
En última instancia, para que los sistemas de inteligencia artificial aprendan y mejoren, alguien debe crear y probar las moléculas que sugieren. Los resultados deben luego ser retroalimentados en los sistemas de IA. Los grupos académicos computacionales pueden ayudar hasta cierto punto al predecir las propiedades de las moléculas, pero los valores predichos solo pueden validar parcialmente los modelos. Las compañías farmacéuticas tienen los medios para crear y probar las moléculas sugeridas por sus sistemas de IA. Sin embargo, tienden a mantener sus resultados en secreto, en parte para evitar ser superados por sus competidores. La necesidad de rigurosidad, seguridad, eficacia y confianza en nuevos medicamentos significa que se debe encontrar una forma de avanzar, un punto que fue destacado el mes pasado por investigadores de la compañía farmacéutica Amgen en Thousand Oaks, California.
Nada de esto cambia el hecho de que el proceso de descubrimiento de fármacos siempre ha implicado mucha suerte. Incluso si la IA reduce el tiempo y el costo necesarios para llevar un compuesto a las pruebas preclínicas, la mayoría de los candidatos a fármacos aún fallarán en etapas posteriores. Sin embargo, cualquier cosa que pueda acelerar el proceso representa una victoria. La industria y la academia deben aprovechar las fortalezas de cada una para determinar cómo se puede utilizar la IA de la mejor manera.
doi: https://doi.org/10.1038/d41586-023-03172-6
Referencias
- Paul, S. et al. Nature Rev. Drug Discov. 9, 203–214 (2010).
- DiMasi, J. A., Grabowski, H. G. & Hansen, R. W. J. Health Econ. 47, 20–33 (2016).
Health Econ.&doi=10.1016/j.jhealeco.2016.01.012&volume=47&pages=20-33&publication_year=2016&author=DiMasi,J. A.&author=Grabowski,H. G.&author=Hansen,R. W." target="_blank" rel="noreferrer noopener">Google Scholar
- Jayatunga, M. K. P., Xie, W., Ruder, L., Schulze, U. y Meier, C. Nature Rev. Drug Discov. 21, 175–176 (2022).
- Mock, M., Edavettal, S., Langmead, C. y Russell, A. Nature 621, 467–470 (2023).
