El desarrollo de fármacos a través de la Inteligencia Artificial

La relación matemática de la estructura química del medicamento y su actividad biológica permite reducir costes y tiempos de producción.

Pexels
Pexels

Por Daniela González.

Las oportunidades que ofrece actualmente la Inteligencia Artificial (IA), hace unos años, eran impensables. El avance de la digitalización y la llegada del Big Data han reconvertido la forma de producir algunos productos tan cotidianos como los medicamentos. En este sentido, reducir tiempo de producción y abaratar costes de los fármacos son algunos de los objetivos alcanzables gracias a la Inteligencia Artificial.

Es así como se conforma la nube de datos virtuales “AItenea” (leído “aitenea” por las siglas de IA en inglés), un modelo de tecnología disruptiva que pretende estudiar “un desarrollo lógico de fármacos”. La relación matemática de la estructura química del medicamento se analiza junto a su actividad biológica, para poder realizar así modificaciones estructurales que potencien futuros fármacos. Así es como lo ha explicado la científica del Consejo Superior de Investigaciones Científicas (CSIC), Nuria Campillo, co fundadora de la startup junto a Carlos Roca, doctor en Farmacia por la Universidad Complutense de Madrid, entre otros profesionales.

“Intentamos imitar las redes neuronales de nuestro cerebro a través de los modelos matemáticos”, ha explicado Campillo. La información necesaria correspondiente a las estructuras químicas existentes se introduce en la nube, y las “redes neuronales” analizan la propiedad que se pretenda estudiar por Inteligencia Artificial, como por ejemplo la toxicidad de los medicamentos, entre muchas otras propiedades que veremos a continuación.

Redes virtuales óptimas

La memoria es un elemento clave para el funcionamiento de estas “redes neuronales”, ya que la nube virtual de datos aprende y, “cuando le das una nueva estructura, es capaz de saber si es tóxica o no”, ha explicado la experta. Este modelo ha evolucionado hasta métodos como el “machine learning” o el “deep learning”, dos tecnologías que hacen referencia a la capacidad existente de que el sistema aprenda por sí solo, lo que permite ahorrar recursos en todas las etapas del desarrollo de estos fármacos.

Además, otra de las ventajas principales del proyecto es que las estructuras moleculares son virtuales, por lo que no tienen porqué estar sintetizadas en el laboratorio, una característica que puede trasladarse a otras etapas la identificación de nuevos fármacos o el estudio en animales, por ejemplo.

Ahorros gracias al Big Data

Estas cifras se incrementan en los ensayos clínicos, que suponen un ahorraría entre el 50 y el 60 por ciento en tiempo y 28 billones de euros en costes al año gracias a la Inteligencia Artificial.

Los ahorros que pueden suponer el Big Data y la Inteligencia Artificial en la industria farmacéutica van más allá del capital económico. “Se puede tardar en llevar un medicamento a la farmacia de doce a quince años”, ha explicado Campillo, quien señala además que “50.000 animales de experimentación son necesarios al año” para el desarrollo de fármacos. Un nuevo modelo de desarrollo que daría la vuelta a las cifras y a los costos.

Aún hay muchas personas que son escépticas a la Inteligencia Artificial”, lamenta la experta, “pero es importante que la sociedad confiemos en este camino, es un salto que hay que dar”, concluye.

Continúa leyendo