La inteligencia artificial y la producción de medicamentos biotecnológicos

En efecto, y dentro de esta pauta perenne, hoy estamos viendo cómo fenómenos como la inteligencia artificial, el aprendizaje automático o el análisis de datos están revolucionando la forma en que se diagnostican y tratan las enfermedades. La telemedicina también está ganando terreno, y es una representación más de que avances generados para finalidades más globales (redes, telecomunicaciones) pueden cambiar sustancialmente la manera en la que se cuida la salud de las personas.

Este fenómeno de intercambios cruzados entre los mundos de la tecnología y la ciencia se produce en muchos escenarios. Lo que llega al pie de la cama del paciente puede ser el fruto de una cadena de innovación en la que haya aparecido, en algún momento, un elemento de mejora impensable hasta hace pocos años, pero que puede ser tan relevante como invisible. Por ejemplo, lo que la inteligencia artificial puede aportar en el desarrollo de medicamentos biológicos. Recientemente han surgido dos ejemplos que son muy representativos.  

Explicándolo en términos generales y tal vez un poco teóricos, la inteligencia artificial puede desempeñar un papel muy importante en el desarrollo y producción de medicamentos biotecnológicos. En la fase de su descubrimiento (discovery), puede acelerar el proceso de diseño de fármacos al realizar simulaciones computacionales avanzadas y análisis de grandes conjuntos de datos. Los algoritmos de aprendizaje automático y el modelado molecular pueden ayudar a identificar dianas y compuestos prometedores, y predecir su eficacia y toxicidad potencial.

También es una ayuda en la optimización de los ensayos clínicos. La inteligencia artificial puede mejorar su eficiencia y precisión, al ayudar a seleccionar a los participantes adecuados, identificar posibles efectos secundarios y evaluar la eficacia de los medicamentos en tiempo real. Esto puede reducir los costos y el tiempo requerido para llevar un medicamento al mercado.

Además, la inteligencia artificial permite analizar grandes cantidades de datos genéticos y clínicos para identificar patrones y correlaciones que ayuden a personalizar los tratamientos. Esto significa que los medicamentos biotecnológicos pueden adaptarse a las características específicas de cada paciente, aumentando la eficacia y reduciendo los efectos adversos.

Y, finalmente, es posible también optimizar los procesos de fabricación: la inteligencia artificial puede mejorar la eficiencia y la calidad de los desarrollos industriales, lo que da como resultado una mayor consistencia y un menor riesgo de pérdida de calidad.

Dos ejemplos recientes ponen de manifiesto que ya no estamos solo ante hipótesis teóricas, sino que es una realidad la utilización de sistemas expertos basados en inteligencia artificial para obtener mejores medicamentos, de una manera más rápida, y probablemente más barata. Son los siguientes.

Optimizar la terapéutica ARNm

Un artículo en Nature explica cómo un grupo de investigadores norteamericanos, chinos y singapurenses consideran que se pueden obtener mejores vacunas de ARN mensajero (ARNm) usando aprendizaje profundo (machine learning). La idea consiste en utilizar procesos de computación basados en inteligencia artificialpara simplificar secuencias génicas muy grandes, pero al mismo tiempo conseguir que se generen los suficientes anticuerpos a través de una versión específica, aunque más reducida, del material. Sería una especie de “jibarización” de las hebras de ARNm que pueden integrar un medicamento basado en él.

Como es sabido, las vacunas de ARNm se han empleado, con carácter universal, por primera ven en el curso de la pandemia por SARS-CoV-2. Pero aunque han mostrado una alta efectividad, sufren limitaciones críticas derivadas de la inestabilidad y degradación inherentes al propio ARNm, que es un obstáculo importante para su almacenamiento y distribución. Se ha demostrado que la vida media del ARNm se puede aumentar según sea la cadena, pero también que se puede optimizar su inmunogenicidad si dentro de ella se sitúan oportunamente los codones óptimos, los que condicionan la expresión de la proteína.

De manera que este grupo de investigadores ha propuesto el desarrollo de un algoritmo que se encargue de diseñar una secuencia de ARNm basado en el principio de optimizar al mismo tiempo la estabilidad estructural y el uso de codones. Dada la envergadura del análisis que hay que ejecutar, que se considera inabordable por las técnicas de cálculo computacional habituales, lo que se ha hecho es optar por una solución más simple, inspirada en un concepto clásico de la lingüística computacional. Se trata de encontrar la secuencia óptima de ARNm tal como se encontraría la oración más probable entre alternativas que sonaran similares.

Emplearon un algoritmo basado en la plataforma LinearDesign, de Baidu Research (el llamado Google chino), y comprobaron que en solo 11 minutos fue capaz de determinar la secuencia que permitiría generar la proteína de la espícula optimizando a la vez la estabilidad de la hebra y el uso de codones.

Este desarrollo tecnológico no solo se puede usar en el caso de las vacunas de ARNm frente al del virus de la COVID-19, sino también, por ejemplo, en el varicela-zoster. De hecho, LinearDesign mejoró sustancialmente la vida media del ARNm y la expresión de proteínas, y aumenta significativamente el título de anticuerpos producido en ratones, hasta 128 veces en ensayos in vivo, en comparación con el valor de referencia de optimización no sintética de codones.

Según el grupo de investigadores, este sorprendente resultado revela el gran potencial del diseño generativo aplicado a la selección del ARNm, que permitiría la utilización de hebras más estables y eficientes. Lo cual podría mejorar no solo el desarrollo de vacunas, sino también otros medicamentos de ARNm como anticuerpos monoclonales y medicamentos contra el cáncer.

Biosimilares más fáciles de fabricar

Otro ejemplo de cómo la inteligencia artificial está entrando en el ámbito de los medicamentos biotecnológicos es el reciente anuncio de colaboración entre las empresas Sandoz y Just – Evotec Biologics que pretende desarrollar y fabricar múltiples medicamentos biosimilares. Dentro del acuerdo, Sandoz obtendrá acceso a una plataforma tecnológica impulsada por inteligencia artificial que se ha diseñado para combinar el desarrollo de medicamentos con sus propios requerimientos de fabricación, lo que se espera que repercuta en la mejora de la expansión de la cartera de proyectos de Sandoz hasta 24 nuevos biosimilares.

Just – Evotec fue fundada en 2014 por un equipo experto en el campo de las proteínas, bajo el enfoque de contemplar en un mismo modelo de negocio el diseño de moléculas terapéuticas y el diseño de las instalaciones necesarias para su fabricación, lo que se consigue mediante sistemas de inteligencia artificial. Esto repercute en la reducción de los costos de producción, lo que es especialmente importante en un mercado como el de los biosimilares, en el que hay competencia y el precio guía las oportunidades de mercado.

También Google

En este mismo campo, la plataforma Google Cloud acaba de presentar dos nuevas herramientas impulsadas por inteligencia artificial que tienen como objetivo ayudar a las empresas biotecnológicas y farmacéuticas a acelerar el descubrimiento de fármacos, y avanzar en la medicina de precisión. Se trata, por una parte, de Target and Lead Identification Suite, diseñada para ayudar a las empresas a predecir y comprender la estructura de las proteínas, una parte fundamental del desarrollo de fármacos. Y por otra, Multiomics Suite, que ayudará a los investigadores a integrar, almacenar, analizar y compartir cantidades masivas de datos genómicos.

Lo que se pretende es que las dos nuevas suites de Google Cloud ayuden a abordar el objetivo de reducir los largos y costosos procesos de desarrollo de nuevos medicamentos. Las nuevas herramientas ahorrarán a las empresas una cantidad “estadísticamente significativa” de tiempo y dinero a lo largo del proceso de desarrollo de fármacos, según afirman desde la empresa.