Avance médico impulsado por IA: aprovechando la inteligencia artificial para el descubrimiento de nuevos fármacos

El descubrimiento de fármacos es conocido como “desde el laboratorio hasta la cama” debido a su larga duración y altos costos. Tarda alrededor de 11 a 16 años y entre $1 mil millones a $2 mil millones para llevar un fármaco al mercado. Pero ahora la IA está revolucionando el desarrollo de fármacos, proporcionando un mejor ritmo y rentabilidad.

La IA en el desarrollo de fármacos ha transformado nuestro enfoque y estrategia hacia la investigación biomédica y la innovación. Ha ayudado a los investigadores a reducir las complejidades de la vía de la enfermedad y a identificar objetivos biológicos.

Veamos más a fondo qué potencial tiene la IA en el descubrimiento de fármacos para el futuro.

Comprendiendo el papel de la IA: ¿cómo se está utilizando para el descubrimiento de fármacos?

La IA ha mejorado diferentes etapas del proceso de descubrimiento de fármacos con su capacidad para analizar grandes cantidades de datos y hacer predicciones complejas. Veamos cómo:

1. Identificación de objetivos

La identificación de objetivos es el primer proceso del descubrimiento de fármacos, que implica identificar entidades moleculares posibles, como proteínas, enzimas y receptores presentes en el cuerpo que pueden combinarse con fármacos para producir efectos terapéuticos contra enfermedades.

La IA puede aprovechar grandes bases de datos clínicas que incluyen información clave sobre la identificación de objetivos. Estas fuentes de datos pueden incluir investigación biomédica, información biomolecular, datos de ensayos clínicos, estructuras de proteínas, etc.

Modelos de IA entrenados junto con técnicas biomédicas como la expresión genética pueden comprender enfermedades biológicas complejas e identificar los objetivos biológicos para los candidatos a fármacos. Por ejemplo, los investigadores han desarrollado varias técnicas de IA para la identificación de objetivos anticancerígenos nuevos.

2. Selección de objetivos

La IA en el descubrimiento de fármacos puede ayudar a los investigadores a seleccionar objetivos prometedores basados en sus correlaciones con enfermedades y utilidad terapéutica predicha. Con un fuerte reconocimiento de patrones, la IA puede hacer esta selección no solo en función de la literatura médica declarada, sino también seleccionar objetivos completamente nuevos sin referencia previa en patentes publicadas.

3. Priorización de fármacos

En esta etapa, la IA evalúa y califica los compuestos de fármacos líderes, priorizandolos para una evaluación y investigación adicionales para avanzar en su desarrollo. En comparación con las técnicas de clasificación anteriores, los enfoques basados en la IA son más efectivos para identificar los candidatos más prometedores. Por ejemplo, los investigadores han desarrollado un marco computacional basado en aprendizaje profundo para identificar y priorizar fármacos nuevos para la enfermedad de Alzheimer.

4. Selección de compuestos

Los modelos de IA pueden predecir las propiedades químicas y la bioactividad de los compuestos y proporcionar información sobre los efectos adversos. Pueden analizar datos de diversas fuentes, incluyendo estudios y bases de datos anteriores, para identificar cualquier riesgo o efecto secundario potencial asociado con un compuesto en particular. Por ejemplo, los investigadores han desarrollado una herramienta de aprendizaje profundo para seleccionar bibliotecas químicas con miles de millones de moléculas para acelerar significativamente la exploración de compuestos a gran escala.

5. Diseño de fármacos de novo

La selección manual de grandes colecciones de compuestos ha sido una práctica tradicional en el descubrimiento de fármacos. Con la IA, los investigadores pueden seleccionar compuestos nuevos con o sin información previa y también predecir la estructura final 3D de los fármacos descubiertos. Por ejemplo, AlphaFold, desarrollado por DeepMind, es un sistema de IA que puede predecir estructuras de proteínas. Mantiene una base de datos de más de 200 millones de predicciones de estructuras de proteínas que pueden acelerar el proceso de diseño de fármacos.

5 ejemplos exitosos de descubrimiento de fármacos basados en IA

1) Abaucin

Los antibióticos matan bacterias. Pero debido a la falta de nuevos fármacos y la rápida evolución de la resistencia bacteriana contra los fármacos más antiguos, las bacterias están volviéndose difíciles de tratar. Abaucin, un antibiótico experimental desarrollado con IA, está diseñado para matar a Acinetobacter baumannii, una de las bacterias superresistentes más peligrosas.

Usando la IA, los investigadores primero probaron miles de medicamentos para ver cómo funcionaban contra la bacteria Acinetobacter baumannii. Luego, esta información se utilizó para entrenar a la IA para crear un fármaco que pueda tratarla de manera eficiente.

2) Target X de Insilico Medicine

Insilico Medicine utilizó su plataforma de IA generativa y creó un fármaco llamado Target X, que ahora se encuentra en ensayos clínicos de fase 1. Target X está diseñado para tratar la fibrosis pulmonar idiopática, una enfermedad que puede causar rigidez en los pulmones de los individuos mayores si no se trata. La fase 1 involucrará a 80 participantes, y la mitad recibirá dosis más altas gradualmente. Esto ayudará a evaluar cómo el fármaco interactúa con el cuerpo humano.

3) VRG50635 de Verge Genomic

Verge Genomics, una empresa de descubrimiento de fármacos basada en IA, utilizó su plataforma CONVERGE para descubrir un compuesto nuevo, VRG-50635, para el tratamiento de la esclerosis lateral amiotrófica (ALS) analizando puntos de datos humanos. Los puntos de datos incluyeron información sobre los tejidos del cerebro y la médula espinal de pacientes con enfermedades neurodegenerativas como la enfermedad de Parkinson, la ALS y la enfermedad de Alzheimer.

La plataforma primero encontró la enzima PIKfyve como un objetivo posible para la ALS y luego sugirió VRG50635 como un inhibidor prometedor de PIKfyve, que se convirtió en un candidato a fármaco para tratar la ALS. El proceso tardó alrededor de cuatro años, y ahora el candidato se encuentra en la fase 1 de los ensayos clínicos en humanos.

4) Exscientia-A2a Receptor

Exscientia, una empresa de MedTech basada en IA, es responsable del primer molécula diseñada por IA para el tratamiento de inmunooncología, una forma de tratamiento del cáncer que utiliza el sistema inmunológico del cuerpo para luchar contra las células cancerígenas. Su fármaco basado en IA ha ingresado a la fase de ensayos clínicos en humanos. Su potencial radica en su capacidad para dirigirse al receptor A2a para promover la actividad antitumoral mientras se asegura de que haya menos efectos secundarios en el cuerpo y el cerebro.

Usando IA generativa, han creado algunos compuestos adicionales para dirigirse a varias enfermedades, como

• cánceres adictos a la transcripción dirigiéndose a inhibidores de CDK7
• enfermedades inflamatorias dirigiéndose a la enzima PKC-theta
• enfermedades hematológicas y oncológicas dirigiéndose al regulador LSD1

5) Absci-de novo anticuerpos con IA generativa de un solo disparo

Absci, una empresa de descubrimiento de fármacos basada en IA generativa, ha demostrado el uso de IA generativa de un solo disparo para crear anticuerpos de novo mediante simulación por computadora. El aprendizaje de un solo disparo significa que el modelo de IA no ha sido probado explícitamente en la información de entrada actual durante la fase de entrenamiento. Por lo tanto, este proceso puede generar diseños de anticuerpos nuevos por sí solo.

Los anticuerpos terapéuticos de novo impulsados por IA reducen el tiempo que se necesita para desarrollar nuevos candidatos a fármacos de hasta seis años a solo 18 a 24 meses, aumentando su probabilidad de éxito en la clínica. La tecnología de la empresa puede probar y validar 3 millones de diseños generados por IA cada semana. Este nuevo desarrollo podría entregar terapias nuevas a cada paciente de inmediato, lo que marca un cambio industrial significativo.

¿Qué nos depara el futuro de la IA y el descubrimiento de fármacos?

Además de muchas otras aplicaciones en la atención médica, la IA está haciendo que el proceso de descubrimiento de fármacos sea más rápido e inteligente al analizar grandes conjuntos de datos y predecir objetivos y candidatos a fármacos prometedores. Usando IA generativa, las empresas de biotecnología pueden identificar marcadores de respuesta de los pacientes y desarrollar planes de tratamiento personalizados rápidamente.

Un informe sugiere que pronto, más empresas de MedTech incorporarán IA y aprendizaje automático en el descubrimiento de fármacos en las primeras etapas, lo que ayudará a crear un mercado de $50 mil millones en los próximos diez años, creando un potencial de crecimiento significativo de la IA en la industria farmacéutica. La IA podría reducir los costos generales de descubrimiento de fármacos, lo que haría que más fármacos nuevos estén disponibles para los pacientes más rápido.

Si desea saber más sobre la IA y cómo dará forma a nuestro futuro, visite unite.ai.