Doug Johnson es un escritor, editor y periodista canadiense. Esta historia apareció originalmente en Undark.
En los últimos años, los químicos subterráneos han realizado cada vez más pequeños ajustes químicos en drogas recreativas conocidas para eludir las leyes, creando versiones de diseñador novedosas. En lugar de cannabis, por ejemplo, estos químicos podrían ofrecer XLR-11, o en lugar de PCP pueden tener 3-MeO-PCE.
Las drogas de diseño novedosas, también llamadas sustancias químicas de investigación o drogas legales, aún producen efectos fisiológicos y psicológicos, aunque los expertos dicen que pueden conllevar una gran cantidad de riesgos. Los opioides sintéticos como el fentanilo, por ejemplo, son cada vez más citado entre el número de muertes relacionadas con opioides en los Estados Unidos, que alcanzó más de 75.000 este año. Según los Centros para el Control y la Prevención de Enfermedades, cannabinoides sintéticos puede causar ataques cardíacos, insuficiencia renal y, en algunos casos, la muerte. Las drogas sintéticas más nuevas a menudo también están poco estudiadas, y entre la miríada de sustancias disponibles, muchas tienen efectos negativos para la salud más allá de los de sus contrapartes naturales.
Mientras que los químicos de drogas ilícitas trabajan en nuevas fórmulas, los gobiernos de todo el mundo intentan regular y prohibir las drogas rápidamente después de su aparición. Muchos países utilizan similitudes en la estructura química de las drogas, como entre el fentanilo y sus análogos, para prohibir nuevas sustancias psicoactivas o NSP. Sin embargo, el enfoque varía según la jurisdicción. Por ejemplo, en 2017, el estado australiano de Victoria prohibió todos los compuestos psicoactivos con algunas excepciones, incluido el alcohol, el tabaco y el cannabis medicinal. Otros gobiernos luchan por rastrear la producción de una red global de laboratorios ilícitos.
“La situación actual en la que nos encontramos es más el enfoque de golpear un topo”, dice David Wishart, científico informático y biólogo de la Universidad de Alberta.
Para ayudar a agilizar el trabajo, Wishart y sus colegas utilizaron un tipo de inteligencia artificial llamada aprendizaje profundo
Wishart dice que el algoritmo podría ayudar a las fuerzas del orden y a los químicos forenses a identificar nuevas sustancias psicoactivas, un proceso que de otro modo podría llevar varios meses. DarkNPS también puede destacar nuevos compuestos beneficiosos para uso clínico. Y, según Wishart, hay otra ventaja: los gobiernos podrían revisar el alijo de medicamentos hipotéticos desarrollados por DarkNPS y prohibirlos, incluso antes de que alguien los produzca o distribuya.
De acuerdo a un presione soltar, algunas agencias ya están utilizando el algoritmo, incluida la Administración de Control de Drogas de EE. UU., la Oficina de las Naciones Unidas contra la Droga y el Delito, el Centro Europeo de Monitoreo de Drogas y Toxicomanías (EMCDDA) y la Oficina Federal de Policía Criminal de Alemania. (En respuesta a preguntas de Undark, Greg Planchuelo, el oficial de desarrollo de la gestión de bases de datos del OEDT, dijo que la agencia no estaba utilizando el enfoque, mientras que las otras organizaciones no respondieron a las solicitudes de comentarios).
Pero los críticos argumentan que la criminalización proactiva de las drogas haría poco para abordar los principales impulsores de las muertes por sobredosis. Además, históricamente la criminalización ha sido socialmente dañina: la guerra contra las drogas liderada por el gobierno de los EE. UU., Por ejemplo, tiene raíces en el racismo y todavía se dirige de manera abrumadora a los grupos marginados.
Y aunque el algoritmo puede capturar medicamentos que son relativamente similares a sus predecesores, puede tener dificultades para predecir medicamentos con estructuras químicas radicalmente diferentes, dice Alex Krotulski, director asociado de la Centro de Investigación y Educación en Ciencias Forenses y gerente del programa NPS Discovery de la organización. “En un sentido práctico”, dice, “nadie sabe lo que vendrá después”.
Actualmente, el enfoque estándar para identificar una droga desconocida es la espectrometría de masas, un método que, en definitiva, pesa los componentes de un compuesto para determinar su estructura molecular. Pero esta técnica requiere una referencia para comparar los resultados, una referencia que podría faltar cuando se trata de una sustancia completamente nueva, pero que podría estar incluida en la lista de DarkNPS.
DarkNPS produjo una lista de 8,9 millones de compuestos que podrían crearse alterando medicamentos existentes. Para generar esta enorme cantidad, Wishart y sus colegas desplegaron una red neuronal, un tipo de aprendizaje automático que se basa libremente en el modelo cerebro humano, y que se utiliza a menudo para analizar lenguajes humanos.
El esfuerzo comenzó en 2020, cuando investigadores del Sección de Química Forense en la Universidad de Copenhague se acercó al equipo detrás de DarkNPS. El equipo de Copenhague mantiene una base de datos de medicamentos de diseño conocidos denominada HighResNPS, un recurso que el personal médico, las fuerzas del orden y los químicos forenses pueden utilizar para detectar NPS proporcionando referencias para pruebas de espectrometría de masas.
El equipo de DarkNPS entrenó su algoritmo usando HighResNPS. Cuando comenzó el trabajo en febrero de 2021, la base de datos tenía más de 1.700 entradas de medicamentos existentes procedentes de todo el mundo. Si bien es un conjunto de datos relativamente pequeño, el equipo pudo engañar al algoritmo en pensar que estaba mirando algo más grande. Luego, el algoritmo combinó los datos HighResNPS con las reglas predecibles de la química para redactar una lista de posibles nuevas combinaciones.
“Tan pronto como un medicamento llegue al mercado, DarkNPS podría identificar los compuestos en cuestión de minutos”.
David Wishart, creador del algoritmo
Según Michael Skinnider, coautor del artículo y estudiante de medicina de la Universidad de Columbia Británica, DarkNPS funciona un poco como un cerebro humano que comprende una oración, pero el algoritmo utiliza átomos y enlaces químicos en lugar de palabras y gramática. “Si te digo ‘Las nubes están arriba en el’, sabes que la siguiente palabra probablemente sea ‘cielo’. No va a ser ‘teléfono’ ”, dice Skinnider.
Luego, el equipo comparó sus resultados con 189 nuevas entradas en HighResNPS, que se habían agregado después de la ejecución inicial de DarkNPS, y descubrió que el 93 por ciento de las nuevas entradas estaban entre las predicciones de DarkNPS.
Dado que es posible que no existan datos de referencia para medicamentos muy nuevos, la espectrometría de masas no siempre es una buena opción, ya que identificar una sustancia de este tipo puede llevar semanas o incluso meses de trabajo, dijeron varias fuentes. Undark. DarkNPS podría proporcionar esta referencia para una asombrosa cantidad de medicamentos. “Tan pronto como un medicamento sale al mercado, en lugar de tres meses, seis meses de química ardua, podrían potencialmente identificar los compuestos en cuestión de minutos”, dice Wishart.
DarkNPS tiene algunas limitaciones, sin embargo. Por ejemplo, si bien puede hacer predicciones precisas, no puede proporcionar ninguna información sobre los efectos fisiológicos o psicológicos de las drogas. El algoritmo también podría proporcionar a los químicos ilícitos una hoja de ruta hacia nuevas drogas de diseño. Como tal, DarkNPS está en manos del Centro de datos NPS—Un esfuerzo conjunto entre el Instituto Nacional de Estándares y Tecnología, la DEA de EE. UU. Y la Oficina Federal de Policía Criminal de Alemania — que actúa como una base de datos para ayudar en la identificación de nuevas drogas. No está disponible para el público.
Luego está el tema de las drogas que DarkNPS perderá. Según Krotulski, hay dos formas diferentes en que las NPS evolucionan en el mercado. El primero ocurre con modificaciones menores: el cambio de fentanilo a, digamos, carfentanilo. Ambos son opioides potentes y químicamente bastante similares.
Pero también hay cambios más importantes, dice Krotulski. Por ejemplo, otro poderoso opioide sintético llamado isotonitazeno, que ha aparecido en países como el Reino Unido y Canadá, tiene una estructura distinta a la del fentanilo. Sería difícil predecir estas transiciones más grandes con una herramienta predictiva como DarkNPS, dijo Krotulski.
Es posible que algunos laboratorios no necesiten la lista de DarkNPS. Según Planchuelo, muchos laboratorios con recursos suficientes, incluidos algunos del EMCDDA, utilizan una técnica diferente llamada prueba de resonancia magnética nuclear, que no requiere material de referencia de la misma manera que lo hace la espectrometría de masas. Aún así, agregó Planchuelo, las operaciones más pequeñas, los hospitales en áreas menos desarrolladas y otras organizaciones aún podrían encontrar útil el algoritmo. “Creo que esto cambia las reglas del juego para la mayoría de los laboratorios que podrían no tener los recursos que tenemos”, dijo.
También existe un debate sobre si prohibir las drogas es un buen mecanismo para reducir las sobredosis y otros daños. Según Alex Stevens, profesor de justicia penal en la Universidad de Kent, la criminalización no ha disuadido a las personas de consumir drogas. Además, la criminalización de las drogas afecta de manera desproporcionada a las personas de comunidades marginadas. De acuerdo a un artículo por Ann Fordham, directora ejecutiva del Consorcio Internacional de Políticas de Drogas, la gente negra en los Estados Unidos está encarcelada cinco veces más que la gente blanca, y la mitad de estas sentencias están relacionadas con las drogas.
Sin embargo, en cierto modo, la prohibición de los medicamentos existentes por parte de los gobiernos también puede incentivar la creación de NSP. “No se trata del problema fundamental”, dice Stevens, “que es que las personas no pueden obtener acceso legal a las drogas que realmente quieren consumir, por lo que buscarán alternativas”.
Si bien DarkNPS podría ayudar facilitar prohibiciones de drogas ilícitas a gran escala, algunos dicen que el enfoque podría obstaculizar el desarrollo de nuevos medicamentos al dificultar que los investigadores estudien medicamentos que tienen aplicaciones médicas potenciales. “Me sorprendería que no haya muchas sustancias en esa lista que ya estén siendo investigadas por sus beneficios médicos”, dice Stevens.
También existe un debate sobre si la prohibición de las drogas es un buen mecanismo para reducir las sobredosis y otros hogares.
Esto ha sucedido en el pasado. En 2016, por ejemplo, el Reino Unido prohibió una clase de medicamentos llamados cannabinoides sintéticos de tercera generación. Los investigadores se apresuraron a argumentar que esta prohibición de clase abarcaría sustancias que ya existen como medicamentos, como el fármaco antiinflamatorio indometacina. Después de que los medicamentos se agregaron a la clasificación del Anexo 1, una clase particularmente estricta en el Reino Unido, los investigadores farmacéuticos que buscaban los compuestos necesitaban una licencia del Ministerio del Interior, que puede ralentizar o incluso detener la investigación, como está prohibitivo tanto en términos de dinero como de tiempo. En última instancia, el Reino Unido modificó la sentencia para facilitar a los investigadores la continuación de su trabajo.
Tanto Skinnider como Wishart dijeron que es poco probable que DarkNPS lleve a la prohibición total de nuevas sustancias psicoactivas, incluso si podría ayudar a detener las drogas ilegales. En parte, esto se debe a que el algoritmo también es capaz de identificar algunos compuestos útiles. DarkNPS podría usarse para encontrar medicamentos psicoactivos con propiedades médicas, como el próximo estimulante para el trastorno por déficit de atención, o un reemplazo de la metadona en el tratamiento del trastorno por uso de opioides. Y con el entrenamiento adecuado, el algoritmo podría ayudar a encontrar la próxima generación de medicamentos antiinflamatorios, esteroides o antihistamínicos.
“No se aburre. Puede empezar a pensar de forma creativa ”, dice Wishart sobre el algoritmo. “No necesita dosis de café ni una buena noche de sueño. Simplemente predice “.