La Inteligencia Artificial podría encontrar nuevos usos para viejos fármacos

Ya está. Tenemos la vacuna y de repente todo ese interés que la población había puesto en el desarrollo de fármacos se ha esfumado como por arte de magia. Ahora, el protagonista vuelve a ser la gestión de recursos sanitarios: cómo se distribuye, qué plan hay para administrarla, etc. No obstante, los investigadores todavía no descansan, ya no tanto por la vacuna en sí misma, sino porque algunos equipos siguen buscando fármacos capaces de combatir la infección cuando esta ya está establecida. No debemos olvidar que la vacuna es una medida preventiva, pero no resuelve los casos ya infectados. Todavía necesitamos algo que pueda rescatar a los pacientes más graves, pero ¿cómo es posible que sigamos esperando?

Hacer una vacuna no es sencillo, pero como era absolutamente prioritario se han invertido inmensas cantidades de horas y fondos en su desarrollo. Gracias a ello estamos donde estamos. Sin embargo, la creación de un tratamiento para la COVID es incluso más compleja. Las vacunas tienen (más o menos) un mismo mecanismo de acción, exponernos al enemigo en condiciones controladas para que entrenemos a nuestras defensas. Sin embargo, la cantidad de formas en que pude actuar un antiviral es inabarcable. Los científicos han de dar con la molécula adecuada entre un cosmos de posibilidades y ese es el motivo por el que las fases preclínicas pueden llevar tantísimo tiempo. La búsqueda de la molécula adecuada no es baladí, pero un nuevo estudio de la Universidad de Ohio nos presenta una manera de puentear esta dificultad, o al menos una posible forma de hacerlo. Es hora de aunar farmacología e inteligencia artificial.

Demasiadas posibilidades

Para hacernos una idea del problema, un antiviral puede trabajar bloqueando la capacidad de los virus de entrar en la célula que pretenden infectar, o tal vez, impidiendo que hagan copias de su material genético. Hay muchas opciones y por lo tanto muchísimas soluciones posibles en el mundo de la bioquímica. Cuando hay tiempo, conviene buscar una molécula que encaje a la perfección con las estructuras del virus que pretendemos inhabilitar, casi como si la eligiéramos a la carta, lo mejor de lo mejor. Sin embargo, estas investigaciones se basan en un trabajo de ensayo y error como pocos otros existen en el mundo de la ciencia. Una alternativa mucho más rápida y barata (aunque subóptima) es el reposicionamiento de fármacos.

Siendo realistas, no es plausible barajar soluciones entre “todas las moléculas posibles”, aunque podemos restringir nuestro cometido si solo buscamos entre las moléculas ya aprobadas como medicamentos. Seguimos teniendo un problema y es que, aunque el número de posibilidades se ha reducido sustancialmente, sigue siendo bastante astronómico. La FDA contabilizó en noviembre de 2020 más de 20.000 medicamentos diferentes cuya comercialización estaba aprobada bajo receta médica, y esto es solo una pequeña parte de los fármacos que existen en el mercando. La idea sería buscar entre ellos un fármaco ya aprobado para otros usos y que parezca tener ciertos beneficios sobre aquello que estamos intentando tratar.

Menos, pero aun demasiadas

De este modo, no solo ponemos límites a nuestra búsqueda, sino que ya tenemos información relevante sobre cómo funciona el fármaco, ayudando a orientar nuestras pesquisas. Pero hay más, porque al haber sido aprobados ya para otros usos, una vez elijamos la molécula con la que queremos comenzar los ensayos clínicos, no deberemos hacerlos desde el principio. Por decirlo así. La molécula ya tiene convalidadas las primeras fases en las cuales se experimenta la su seguridad, su toxicidad y sus interacciones farmacológicas más básicas. No se trata de un truco, sino que el diseño de estos ensayos sería idéntico a los hechos para la primera aprobación del fármaco.

De este modo, podríamos pasar directamente a fases más avanzadas donde lo importante es ver si el fármaco actúa del modo que queremos, si palía o cura el mal que estamos investigando. El problema es que para hacer esto, no solo hemos de repasar un número de fármacos bastante extenso, sino que tendremos que bucear en los registros para tener en cuenta una infinidad de datos y características sobre cómo han evolucionado los pacientes durante su consumo.

Nuestro cerebro tiene un límite muy reducido en cuanto a lo que ponderar estas cosas se refiere y aunque las técnicas estadísticas clásicas son una gran herramienta para suplir nuestros límites, los datos siguen desbordándolas, haciendo estas aproximaciones poco eficientes, al menos de buenas a primeras. Hace falta una forma diferente de analizar esta información para permitirnos ofrecer soluciones en un tiempo razonable, y por suerte vivimos en los albores de una era de la inteligencia artificial.

El punto fuerte de las máquinas

La Universidad de Ohio, muy consciente de esta problemática, ha decidido implementar, en una de sus últimas investigaciones, un algoritmo de aprendizaje profundo (un tipo de inteligencia artificial) para que pondere la gran cantidad de detalles personales de los sujetos de su estudio. El propósito es que esta inteligencia artificial aproveche esa temible cantidad de información en su favor, pues cuantos más datos tenga más sencillo le será encontrar correlaciones interesantes y separar los verdaderos efectos de un fármaco de aquellos factores que introducen confusión en el estudio.

Para ello analizó a 1,2 millones de pacientes cardiacos y tomó sus datos de las reclamaciones de seguros de salud. En ellos se encontraba detallada la historia clínica de los pacientes, sus análisis a lo largo de los meses y los tratamientos administrados para sus afecciones cardiacas. Gracias a todo ello, han podido concluir que, en pacientes con problemas de las arterias coronarias, el riesgo de insuficiencia cardiaca y accidente cerebrovascular parece reducirse en sujetos que toman metformina (un antidiabético) y escitalopram (un antidepresivo)

Esto significa que, tal vez, pueda ser interesante reposicionar estos dos fármacos y estudiar más a fondo sus beneficios cardiacos. No obstante, los propios investigadores insisten en que lo importante de su estudio no son los resultados, sino la metodología empleada, que podría ser determinante para redefinir la forma en que se desarrollan fármacos durante las fases más iniciales. Todavía estamos viviendo las primeras fases de este casamiento tan prometedor entre farmacología e inteligencia artificial, pero lo que ya sabemos apunta a que podría tratarse de uno de los campos más prometedores de la biomedicina.

QUE NO TE LA CUELEN:

• Para que esta metodología tome cuerpo harán falta muchos más estudios y, por lo tanto, unos cuantos años. Ahora mismo es aventurado apostar a que se convierta en la mejor forma de reposicionar fármacos, pero lo que es más difícil de negar es que la inteligencia artificial se esté abriendo camino en la farmacología. Hace poco Google anunció unos resultados sorprendentes en un campo afín. Su inteligencia artificial AlphaFold había demostrado (en un concurso) ser capaz de predecir la estructura tridimensional de un amplísimo tipo de moléculas que conocemos como proteínas. Lo hizo más rápido y más barato que los medios tradicionales y el conocimiento que arroja permite, a priori, inferir las propiedades bioquímicas de la molécula estudiada, permitiendo hipotetizar sus posibles usos farmacológicos.

REFERENCIAS (MLA):

• “Fact Sheet: FDA At A Glance”. U.S. Food And Drug Administration, 2021.
• Liu, Ruoqi et al. “A Deep Learning Framework For Drug Repurposing Via Emulating Clinical Trials On Real-World Patient Data”. Nature Machine Intelligence, 2021. Springer Science And Business Media LLC, doi:10.1038/s42256-020-00276-w. Accessed 5 Jan 2021.