Hoy, en promedio, se necesitan más de 10 años y miles de millones de dólares para desarrollar un nuevo fármaco. La visión es utilizar la IA para que el descubrimiento de fármacos sea más rápido y económico. Al predecir cómo podrían comportarse las drogas potenciales en el cuerpo y descartar compuestos sin salida antes de que salgan de la computadora, los modelos de aprendizaje automático pueden reducir la necesidad de un trabajo de laboratorio minucioso.
Y siempre existe la necesidad de nuevos medicamentos, dice Adityo Prakash, director ejecutivo de la compañía farmacéutica con sede en California, Verseon: “Todavía hay demasiadas enfermedades que no podemos tratar o que solo podemos tratar con listas de tres millas de largo de efectos secundarios. .”
Ahora, se están construyendo nuevos laboratorios en todo el mundo. El año pasado Exscientia abrió un nuevo centro de investigación en Viena; En febrero, Insilico Medicine, una firma de descubrimiento de fármacos con sede en Hong Kong, abrió un gran laboratorio nuevo en Abu Dhabi. En total, alrededor de dos docenas de medicamentos (y contando) que se desarrollaron con la ayuda de la IA están ahora en ensayos clínicos o están entrando en ellos.
“Si alguien te dice que puede predecir perfectamente qué molécula de fármaco puede atravesar el intestino… probablemente también tenga terreno para venderte en Marte”.
Adityo Prakash, director ejecutivo de Verseon
Estamos viendo este aumento en la actividad y la inversión porque la creciente automatización en la industria farmacéutica ha comenzado a producir suficientes datos químicos y biológicos para entrenar buenos modelos de aprendizaje automático, explica Sean McClain, fundador y director ejecutivo de Absci, una empresa con sede en Vancouver. Washington, que utiliza IA para buscar entre miles de millones de posibles diseños de medicamentos. “Ahora es el momento”, dice McClain. “Vamos a ver una gran transformación en esta industria en los próximos cinco años”.
Sin embargo, todavía es pronto para el descubrimiento de fármacos de IA. Hay muchas compañías de IA que afirman que no pueden respaldarlas, dice Prakash: “Si alguien le dice que puede predecir perfectamente qué molécula de fármaco puede atravesar el intestino o no ser descompuesta por el hígado, cosas así, probablemente también tenga terrenos para venderte en Marte.
Y la tecnología no es una panacea: los experimentos con células y tejidos en el laboratorio y las pruebas en humanos, las partes más lentas y costosas del proceso de desarrollo, no se pueden eliminar por completo. “Nos está ahorrando mucho tiempo. Ya está haciendo muchos de los pasos que solíamos hacer a mano”, dice Luisa Salter-Cid, directora científica de Pioneering Medicines, parte de la incubadora de empresas emergentes Flagship Pioneering en Cambridge, Massachusetts. “Pero la validación final debe hacerse en el laboratorio”. Aún así, la IA ya está cambiando la forma en que se fabrican los medicamentos. Podrían pasar algunos años antes de que los primeros medicamentos diseñados con la ayuda de IA lleguen al mercado, pero la tecnología está lista para sacudir la industria farmacéutica, desde las primeras etapas del diseño del medicamento hasta el proceso de aprobación final.
Los pasos básicos involucrados en el desarrollo de un nuevo medicamento desde cero no han cambiado mucho. Primero, elija un objetivo en el cuerpo con el que interactuará el medicamento, como una proteína; luego, diseñe una molécula que le haga algo a ese objetivo, como cambiar su funcionamiento o apagarlo. A continuación, haga esa molécula en un laboratorio y verifique que realmente haga lo que fue diseñado para hacer (y nada más); y finalmente, probarlo en humanos para ver si es seguro y efectivo.
Durante décadas, los químicos han examinado fármacos candidatos colocando muestras del objetivo deseado en muchos pequeños compartimentos en un laboratorio, agregando diferentes moléculas y observando una reacción. Luego repiten este proceso muchas veces, modificando la estructura de las moléculas de fármaco candidatas, intercambiando este átomo por ese, y así sucesivamente. La automatización ha acelerado las cosas, pero el proceso central de prueba y error es inevitable.