Desbloqueando el futuro de la medicina: el papel de la IA en el descubrimiento de fármacos
Desde 1995, Nature Medicine ha estado documentando los avances en tecnología médica y atención sanitaria. Para conmemorar el 30.º aniversario de la revista, cada mes se destacará un tema de importancia crítica para el futuro de la medicina. En consonancia con este tema, «La inteligencia artificial en el descubrimiento de fármacos», revisa los avances en el desarrollo de fármacos de última generación, examinando el potencial transformador y la aplicación de la inteligencia artificial (IA) y la computación cuántica. La IA, el aprendizaje automático y la computación cuántica se utilizan actualmente en diversas etapas del desarrollo de fármacos, desde la identificación de objetivos, la síntesis de moléculas, los ensayos preclínicos y clínicos, hasta la vigilancia posterior a la comercialización.
Identificación de objetivos
Al aprovechar las vastas bases de datos biológicas, la IA identifica dianas farmacológicas prometedoras, como moléculas pequeñas, proteínas y ácidos nucleicos. Las tecnologías anteriores, como el pull-down por afinidad y el knockdown del genoma completo, eran lentas y propensas a errores. La IA supera estas limitaciones al acelerar la recopilación y el análisis de grandes conjuntos de datos dentro de redes biológicas complejas. Los autores afirman que la IA facilita la identificación de patrones moleculares relacionados con enfermedades y relaciones causales mediante la construcción de redes de datos multiómicos, lo que facilita el descubrimiento de candidatos a dianas farmacológicas.
Diseño de fármacos de novo
La IA simplifica enormemente el diseño de nuevos compuestos, empleando técnicas como el cribado virtual para analizar de manera eficiente vastas bibliotecas de posibles candidatos a fármacos. Por ejemplo, la IA, en particular el aprendizaje profundo, ha facilitado la identificación automatizada de estructuras novedosas que cumplen requisitos específicos, sin necesidad de recurrir a los conocimientos especializados tradicionales.
Selección
La IA agiliza el diseño de nuevos compuestos, empleando tecnologías como el cribado virtual para examinar de manera eficiente grandes bibliotecas. Por ejemplo, los modelos de acoplamiento receptor-ligando basados en IA pueden predecir las transformaciones espaciales de los ligandos y generar directamente coordenadas atómicas complejas utilizando algoritmos.
Predicción de las propiedades de los fármacos
Los modelos de IA son capaces de predecir propiedades críticas de los fármacos, como la absorción, el metabolismo y la toxicidad. Estas predicciones permiten a los investigadores concentrarse en los fármacos candidatos más prometedores en una fase más temprana del proceso de desarrollo.
Planificación de síntesis y descubrimiento de fármacos
La síntesis química de nuevos compuestos en el descubrimiento de moléculas pequeñas es una tarea altamente técnica y extremadamente laboriosa. El uso de la planificación de síntesis asistida por ordenador (CASP) y la síntesis automática de compuestos orgánicos pueden acelerar el proceso de descubrimiento al eliminar las tareas laboriosas y repetitivas para los químicos.
ADMET
El ADMET (absorción, distribución, metabolismo, excreción y toxicidad) desempeña un papel fundamental a la hora de determinar la eficacia y la seguridad de los fármacos. Las técnicas de IA complementan las evaluaciones de laboratorio y pueden ayudar a reducir los fracasos debidos a características deficientes. Estas predicciones permiten a los investigadores concentrarse en los fármacos candidatos más prometedores en una fase más temprana del proceso de descubrimiento de fármacos.
Reutilización de fármacos
La IA se está utilizando para identificar nuevas aplicaciones para los medicamentos existentes mediante el análisis de patrones de datos biológicos, lo que acelera el desarrollo de tratamientos novedosos para diversas afecciones.
Optimización de los ensayos clínicos
Los ensayos clínicos son caros, lentos e ineficaces. Los desarrolladores de fármacos se enfrentan a retrasos en el registro de los ensayos clínicos o tienen dificultades para encontrar suficientes voluntarios. La IA tiene el potencial de optimizar el diseño de los ensayos, agilizar la selección de participantes y ayudar en el descubrimiento de biomarcadores, lo que mejora las tasas de éxito y la eficiencia de los estudios. La IA también puede apoyar la supervisión continua de la seguridad, la notificación de acontecimientos adversos y el cumplimiento de la farmacovigilancia, garantizando la seguridad y la eficacia a largo plazo de los fármacos.
¿Cómo será la medicina en 2055? Quizás la asistencia sanitaria habrá pasado de ser un modelo reactivo a uno proactivo, personalizado y preventivo. Los avances en multiómica —que integra genómica, transcriptómica, proteómica y metabolómica— podrían permitir una predicción precisa de los riesgos de enfermedad individuales. La monitorización continua de biomarcadores mediante biosensores portátiles e implantables podría permitir una intervención temprana, mucho antes de que se manifiesten los signos y síntomas.
Ver artículo de referencia
