Desarrollo de compuestos con IA para crear nuevos productos farmacéuticos

La Inteligencia Artificial (IA) presenta varios usos en el descubrimiento y diseño farmacéutico. Se puede utilizar para identificar nuevos objetivos para productos o incluso para imitar patrones y características que sirvan para identificar tratamientos de enfermedades para las que se dispone de pocos datos experimentales. Junto a esto, uno de los usos más habituales de la IA se presenta en el desarrollo de productos, detectando compuestos que proporcionen a los investigadores un espacio químico mayor que los procesos tradicionales.

Según explica un estudio de la Organización Mundial de la Salud (OMS), titulado ‘Beneficios y riesgos del uso de inteligencia artificial para el desarrollo y la entrega de productos farmacéuticos’, estas nuevas tecnologías ayudan a identificar moléculas con funciones biológicas “relevantes”, incluso para abordar enfermedades para las que existen “pocos o ningún tratamiento”. Uno de los beneficios que proporciona el uso de la IA en este sentido es que permite a los investigadores “fallar más rápido” y, por tanto, evaluar a más candidatos antes de realizar investigaciones adicionales.

Junto a esto, la IA se utiliza también para diseñar nuevos medicamentos y vacunas. Un ejemplo se da en el desarrollo de terapias de ARN contra el cáncer, donde la IA permite observar mutaciones en un tumor que impulsan su crecimiento y que pueden generar una respuesta inmune para que una molécula de este tipo pueda sintetizarse y traducirse en “fragmentos de proteína idénticos a los que presenta la célula tumoral”.

Utilización dela IA en el desarrollo de productos farmacéuticos

Los enfoques actuales se basan en la utilización de la IA generativa. Este es un método utilizado en grandes modelos multimodales (un ejemplo de esto podría ser ChatGPT), que sirven para desarrollar compuestos con propiedades específicas. En la actualidad, investigadores han desarrollado un gran modelo de este tipo, llamado ESMFold. Este es un tipo de lenguaje de proteínas, según explica el estudio, que sirve para predecir una estructura proteica completa a nivel anatómico a partir de una única secuencia.

Es más rápido que otros modelos como AlphaFold2 o DeepMind, que requieren múltiples alineamientos de secuencias. ESMFold permite generar una base de datos de más de 600 millones de estructuras de proteínas metagenómicas, aunque tiene un desempeño “significativamente peor” con respecto a la predicción de las mismas. 

Además de esto, la IA también se puede utilizar para reutilizar medicamentos existentes, identificando nuevas indicaciones o usos de un fármaco ya aprobado; o para respaldar o automatizar diversos aspectos del desarrollo clínico.

Usos comerciales de la IA y repercusión en la salud

En la actualidad, las empresas farmacéuticas y tecnológicas están invirtiendo en IA para desarrollar fármacos con el principal objetivo de aumentar sus ganancias. Según este estudio de la OMS, es posible que tales usos de la IA no generen beneficios para la salud publica a nivel general o para pacientes individuales, ya que puedan dar lugar a riesgos éticos y  conducir a resultados “que socaven los derechos fundamentales”.

Una “expectativa común”, es que la IA pueda servir para avanzar en el desarrollo de fármacos hacia la medicina personalizada. Si bien la mayoría de los tratamientos médicos están diseñados para “el paciente promedio”, hay que tener en cuenta que en la medicina de precisión, los tratamientos se adaptan a diferentes perfiles genéticos, entornos y estilos de vida, y que la medicina personalizada es una forma “extrema” de este modelo.

Riesgos de la IA en el desarrollo farmacéutico

En este sentido, hay que tener en cuenta que los usos de la IA, a pesar de que puedan proporcionar mejores resultados para pacientes individuales, es probable que estos solo estén disponibles para muy pocas personas. Esto podría acentuar desigualdades o crear disparidad en la salud por tres razones.

La primera es que los investigadores y las empresas farmacéuticas podrían desarrollar tratamientos en áreas terapéuticas solo para individuos o “subgrupos de población” ya existentes. Esto se traduce en la creación de investigaciones y avances científicos únicamente en áreas que resulten de interés comercial para estas entidades.  Esto desarrollaría que se lleven a cabo “inversiones segadas” a largo plazo.

En segundo lugar, adaptar las terapias a los individuos podría “acentuar la desigualdad”, al dirigir recursos para el desarrollo farmacéutico a “cohortes cada vez más pequeñas y privilegiadas de pacientes”. Este aspecto supone ignorar un número importante de “necesidades insatisfechas”, como pueden ser los medicamentos para enfermedades infecciosas que afectan a niños y bebés en países con ingresos bajos y medios.

Por último, si bien estos usos pueden dar lugar a mejores resultados para cada paciente, los altos precios que presentaría en estos casos la terapia personalizada solo serían asequibles “para unos pocos privilegiados”, tal y como señala el estudio.