Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarte el uso de la web mediante el análisis de tus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúas navegando, consideramos que aceptas nuestra Política de cookies .

Inteligencia artificial para descubrir fármacos

La industria farmacéutica atraviesa una mala racha en el desarrollo de medicamentos. ¿Hasta qué punto puede ayudar la inteligencia artificial?

HARRY CAMPBELL

En síntesis

A las compañías farmacéuticas cada vez les cuesta más obtener fármacos eficaces y rentabilizar sus inversiones en investigación. La solución podría hallarse en la inteligencia artificial.

Las herramientas de aprendizaje automático y aprendizaje profundo pueden identificar proteínas «diana» implicadas en un trastorno y fármacos que las modifiquen sin producir efectos indeseados.

Muchas farmacéuticas ya han adoptado este enfoque. Aunque los primeros resultados son prometedores, aún es pronto para saber si se traducirán en más y mejores medicamentos.

Hay muchas razones que pueden llevar a descartar un medicamento prometedor durante su desarrollo farmacéutico, y el sistema del citocromo P450 es una de ellas. El CYP450, como suele denominarse, es un grupo de enzimas producidas sobre todo en el hígado y que intervienen en la descomposición de sustancias químicas, evitando que alcancen concentraciones peligrosas en el torrente sanguíneo. Pero resulta que muchos fármacos experimentales inhiben la producción del CYP450, un molesto efecto secundario que puede hacerlos tóxicos para el ser humano.

Durante mucho tiempo, para predecir si un medicamento experimental inhibirá el CYP450 en los pacientes, las compañías farmacéuticas han recurrido a métodos estándar tales como realizar análisis químicos en tubos de ensayo, observar las interacciones del CYP450 con fármacos conocidos de propiedades químicas similares y llevar a cabo pruebas en ratones. Sin embargo, estas predicciones resultan erróneas un tercio de las veces. En tales casos, puede que la toxicidad relacionada con el CYP450 solo salga a la luz durante los ensayos clínicos en seres humanos, lo que se traduce en millones de dólares y años de esfuerzo desperdiciados. Esta costosa inexactitud a veces llega a parecer «nuestra cruz», lamenta Saurabh Saha, vicepresidente de investigación y desarrollo y medicina traslacional de Bristol-Myers Squibb.

Ese tipo de ineficiencias contribuyen a un problema más grave: el desarrollo de medicamentos y la productividad de la billonaria industria farmacéutica mundial llevan al menos dos décadas en declive. Las compañías gastan cada vez más (unos 80.000 millones de dólares al año entre las diez firmas más grandes) y obtienen cada vez menos fármacos eficaces. Hace diez años, cada euro invertido en investigación y desarrollo generaba un beneficio de 10 céntimos, mientras que hoy en día no llega a 2 céntimos. En parte, eso se debe a que los fármacos más fáciles de encontrar o que tratan las enfermedades comunes de manera segura y eficaz ya se han descubierto; resta buscar medicamentos para problemas con soluciones complejas y esquivas, o dirigidos a trastornos que afectan solo a una pequeña parte de la población, los cuales serían mucho menos rentables.

Debido a la creciente dificultad para encontrar nuevos fármacos, el coste medio de lanzar uno al mercado casi se duplicó entre 2003 y 2013, hasta alcanzar los 2600 millones de dólares, según el Centro Tufts para el Estudio del Desarrollo de Fármacos. Estas mismas dificultades han provocado que los medicamentos tarden hasta 12 años en pasar del laboratorio al mercado y que el 90 por ciento de ellos se descarten en alguna de las fases de ensayos clínicos.

Así pues, no es de extrañar que la industria se muestre entusiasmada con la aplicación de la inteligencia artificial (IA) a la búsqueda de fármacos. Las herramientas basadas en IA no emplean métodos analíticos desarrollados por expertos, sino que los usuarios les proporcionan problemas de muestra (una molécula) y sus soluciones (su comportamiento como fármaco) y el programa elabora sus propias estrategias computacionales para producir las mismas soluciones.

Puedes obtener el artículo en...

¿Tienes acceso?

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.