El diseño y desarrollo de medicamentos es costoso, a menudo insuficiente y está lleno de la tendencia al fracaso. Tradicionalmente, es un proceso de ensayo y error que puede extenderse durante una década y consumir alrededor de $2.3 billones, cifras que solo han aumentado recientemente; con un aumento del 15% en los costos entre las principales empresas biofarmacéuticas globales solo el año pasado. Sin embargo, a pesar de los conceptos erróneos sobre su uso, la inteligencia artificial (IA), a través de modalidades como los modelos de aprendizaje automático, está preparada para permitir a las empresas acelerar el proceso de diseño de medicamentos.
Diseñando futuras terapias con tecnologías futuras
El universo químico abarca más de 1060 moléculas que pueden estar vinculadas a medicamentos potenciales, un número demasiado grande para que los seres humanos lo exploren en una vida. Las prácticas actuales implican seleccionar, diseñar y priorizar estructuras moleculares basadas en una serie de factores diferentes que van desde la actividad biológica deseada hasta el análisis retrosintético. Sin embargo, este proceso implica resolver problemas de optimización complejos y multidimensionales que pueden llevar una cantidad considerable de tiempo.
Afortunadamente, la IA está revolucionando la forma en que exploramos este espacio químico acelerando la identificación de compuestos prometedores. Las tecnologías de aprendizaje automático y análisis de datos pueden identificar rápidamente compuestos iniciales y líderes, acelerar la validación de objetivos de fármacos y optimizar los diseños de estructuras de medicamentos, reduciendo así el tiempo necesario para desarrollar medicamentos y reduciendo significativamente los costos. En consecuencia, se vuelve más posible experimentar con una gama más amplia de terapias potenciales.
Uno de los mayores obstáculos para el diseño de medicamentos es encontrar la proteína adecuada involucrada en una enfermedad para que la molécula del medicamento pueda crearse con precisión. Con herramientas de IA como AlphaFold y MATLAB, los científicos pueden predecir las estructuras 3D de proteínas objetivo, incluidas moléculas nunca antes vistas, completamente desde cero. Esto permite formulaciones de medicamentos más precisas y efectivas en una fracción del tiempo y el costo. Estos modernos modelos de IA de aprendizaje automático trabajan prediciendo la estructura de la proteína a través de cuatro modelos:
-Un módulo de entrada que recopila las secuencias de aminoácidos de diversas proteínas.
-Una red neuronal que utiliza software de reconocimiento de patrones para convertir las secuencias de aminoácidos en información espacial.
-Un modelo de salida que traduce la información espacial en una estructura 3D.
-Un proceso de refinamiento que ajusta la estructura en una molécula de medicamento.
A medida que avanzamos hacia un modelo de diseño de medicamentos más automatizado en un futuro no muy lejano, el valor de estas tecnologías de aprendizaje automático se vuelve más inmenso. Estudios sugieren que la IA tiene el potencial no solo de desarrollar medicamentos, sino también de hacerlo en la forma de dosificación más óptima en lotes consistentes.
Medicamentos diseñados por IA en ensayos clínicos
Los medicamentos diseñados por IA se han introducido en ensayos, con resultados preliminares que prometen mucho. En junio de 2022, una molécula de medicamento diseñada por IA por Exscientia ingresó con éxito a ensayos de fase 1b/2 para ciertos pacientes con cáncer. Del mismo modo, a principios de 2023, la empresa neozelandesa Insilico Medicine demostró las capacidades de su plataforma Pharma.AI para apuntar y diseñar moléculas de medicamentos con un alto nivel de integración con la biología humana.
Sin embargo, aún es temprano para los medicamentos diseñados por IA, con muchas empresas innovadoras que hacen afirmaciones que aún no han cumplido. Puede llevar años para que los primeros medicamentos totalmente diseñados por IA lleguen al mercado, pero está claro que esta tecnología ha sacudido la industria farmacéutica para mejor.
Aplicación de la IA en la práctica médica
Además de su uso en el diseño y desarrollo de medicamentos, la IA se ha incorporado en prácticas médicas físicas para acelerar procesos y simplificar flujos de trabajo. Por ejemplo, los centros locales de infusión, que al igual que el resto de la industria de la salud, enfrentan desafíos significativos como la escasez de personal y la ineficiencia operativa, han demostrado beneficiarse significativamente de la IA. Una encuesta realizada por LeanTaaS que involucró a 100 líderes de centros de cáncer de EE. UU. demostró que la IA puede reducir los tiempos de espera de los pacientes en un 30%, disminuir las horas extras del personal en un 50% y manejar un aumento del 15% en los volúmenes de pacientes.
Cuando los centros de infusión locales pueden utilizar estas tecnologías, están mejorando inadvertidamente las experiencias de los pacientes y creando un viaje más fluido para aquellos que alguna vez lucharon por encontrar un camino eficiente para manejar su enfermedad. Si bien sí, existe el estrés adicional atribuido a mejorar la competencia tecnológica dentro del personal, esta tecnología puede, a largo plazo, capacitar a los trabajadores de la salud para asignar mejor sus recursos y garantizar que sus pacientes reciban la atención que merecen.
En los próximos años, es probable que la IA integre conjuntos de datos más grandes y diversos, incluidos datos de pacientes del mundo real, mejorando aún más la precisión del diseño y descubrimiento de medicamentos y permitiendo el desarrollo de nuevos productos a velocidades récord. Sin embargo, como las tecnologías pasadas alguna vez elevaron esperanzas de revolucionar el descubrimiento de medicamentos y no cumplieron con las expectativas, es importante mirar más allá del bombo publicitario y dar cada paso a medida que se produce.
Nota del editor: El autor y su empleador no tienen relación financiera con ninguna de las empresas o herramientas mencionadas en este artículo.
Foto: metamorworks, Getty Images
Como director ejecutivo de TwelveStone Health Partners, Shane Reeves lidera todos los aspectos del negocio, incluidos producto, marketing, ventas, finanzas y estrategia de entrega. La carrera de Shane comenzó con la organización en 1994 cuando se unió al negocio familiar y avanzó a través de cada función en la empresa. Bajo el liderazgo de Shane, avanzando como TwelveStone, la organización ha crecido en una amplia empresa de servicios médicos con una larga lista de clientes en todo el continuo de atención.
Esta publicación aparece a través del programa MedCity Influencers. Cualquiera puede publicar su perspectiva sobre negocios e innovación en salud en MedCity News a través de MedCity Influencers. Haga clic aquí para averiguar cómo.