Cuatro de cada diez estadounidenses: tal es el cálculo del Instituto Nacional del Cáncer de Estados Unidos sobre la población que será diagnosticada con cáncer en algún momento. Aunque 33 por ciento de los pacientes vivirá un máximo de cinco años —muy poco tiempo para encontrar tratamientos eficaces—, hace falta más de una década para introducir nuevos medicamentos en el mercado, pues ese proceso implica pruebas con animales, ensayos clínicos humanos y una revisión regulatoria: un filtro que supera menos de 7 por ciento de los fármacos experimentales. Así pues, no sorprende que el mercado cuente con menos de 2,000 sustancias aprobadas por la Administración de Medicamentos y Alimentos (FDA). No hablamos de 2,000 tratamientos para el cáncer: son 2,000 medicamentos para todas las enfermedades.
Insilico Medicine, compañía de investigación biotecnológica sita en Baltimore, pretende revolucionar el desarrollo farmacéutico recortando, drásticamente, el tiempo de investigación al recurrir a la inteligencia artificial (IA). En un estudio publicado en la revista médicaOncotarget, un equipo dirigido por Insilico Medicine detalla su estrategia. En esencia, los investigadores construyeron dos redes de cómputo (conjunto llamado “redes adversarias generativas” o GAN). Una red sugiere nuevas moléculas que podrían tener propiedades anticancerosas, y la otra elimina sugerencias con base en los tratamientos conocidos. “Es mejor explicarlas con una analogía artística”, propone Polina Mamoshina, científica investigadora de Insilico Medicine. Expone que, si los anticancerosos fueran obras de arte, la primera red sería un estudiante de arte que intenta copiarlas, y la segunda sería un experto en arte que identifica falsificaciones. Cada vez que el trabajo del estudiante es detectado como una falsificación, el estudiante tiene que mejorar sus copias del original; y cada vez que el trabajo del estudiante mejora, el experto debe esforzarse más para detectar las falsificaciones.
Apliquemos la analogía a las GAN. Cada vez que la primera red intenta “engañar” a la segunda para que acepte nuevas moléculas como fármacos legítimos, ambas mejoran su aprendizaje sobre cómo deben lucir los tratamientos contra el cáncer. Una vez que terminan de hacerse pruebas mutuamente, las redes se usan para vetar compuestos con base en su potencial para combatir el cáncer. De esta manera, el equipo de Insilico Medicine ha examinado 72 millones de sustancias químicas contenidas en una base de datos pública. Entre los compuestos que seleccionaron las GAN había 60 tratamientos anticancerosos patentados, lo cual significa que las redes pudieron identificar dichos medicamentos con toda precisión y, además, determinar que los otros compuestos seleccionados podrían ameritar estudios adicionales.
Comparado con la experimentación estándar in vitro (tubos de ensayo), el método in silico (por computadora) es exponencialmente más rápido. En vez de iniciar la búsqueda de un nuevo tratamiento anticanceroso con un millón de compuestos que ofrecían algún potencial, los investigadores pudieron limitar el fondo de candidatos a solo cien de las posibilidades más prometedoras, y en apenas un mes.
LA PELEA INTELIGENTE: Insilico Medicine está ampliando la investigación de las moléculas que sus redes de inteligencia artificial han identificado como potencialmente anticancerosas. FOTO: B-B/GE
Esta estrategia no solo propicia un desarrollo farmacológico más rápido, sino que también es una forma de investigación mucho más rentable. Cada medicamento experimental que no logra pasar por el proceso de desarrollo representa una pérdida de varios millones de dólares en trabajo y recursos. Según un estudio deJournal of Health Economics, los costos asociados con los fármacos fallidos suman más de 1,600 millones de dólares al costo de cada medicamento exitoso. Al disponer de menos opciones, pero más prometedoras, los investigadores podrían ahorrar millones, tal vez miles de millones de dólares.
Sin embargo, no todos confían en las aplicaciones de las pruebas in silico. Mamoshina reconoce que muchos investigadores oncológicos que trabajan con métodos biológicos y químicos más tradicionales no están familiarizados con la inteligencia artificial, lo cual engendra dudas. “Para ellos, es una caja negra”, dice. “Es muy difícil de entender, por eso son tan escépticos”.
Como sucede con cualquier tecnología de vanguardia, también cabe la posibilidad de que la publicidad excesiva esté instigando los adelantos —y preparando el terreno para tropiezos potenciales— de Insilico Medicine. Olexandr Isayev, profesor auxiliar en la Universidad de Carolina del Norte, cuyo laboratorio se dedica a desarrollar métodos con asistencia de inteligencia artificial para descubrir medicamentos, reconoce que existe un entusiasmo desmedido por una tecnología que todavía no ha producido resultados tangibles. “La mayor parte de los artículos publicados, incluido este, son meramente computacionales”, previene. “Por desgracia, algunas predicciones podrían ser erróneas. Lo que realmente me gustaría ver es la primera confirmación experimental de moléculas ‘descubiertas con inteligencia artificial’”.
Y lo mismo desearía In silico Medicine, que sigue desarrollando sus GAN. En vez de otorgar licencias de la tecnología en una suerte de modelo de “software como servicio”, la compañía está ampliando la investigación de las moléculas identificadas con sus redes como si realmente tuvieran potencial anticanceroso. Una vez que los compuestos pasen por las pruebas in vitro convencionales, otorgarán licencias a compañías farmacéuticas para la revisión regulatoria ulterior y, si todo sale bien, para la comercialización. En agosto pasado, se anunció que Insilico Medicine se había asociado con el gigante farmacéutico Glaxo SmithKline para empezar a implementar algunas de sus novedosas técnicas de investigación.
La confianza de Insilico Medicine en su estrategia se refleja en la decisión de otorgar licencias para los fármacos que descubre, en vez de licenciar las herramientas para descubrirlos. No obstante, si quiere demostrar que la inteligencia artificial realmente puede eliminar la conjetura implícita en la etapa inicial del descubrimiento farmacológico, Insilico Medicine tendrá que regresar al laboratorio, y a los tubos de ensayo.
—
Publicado en cooperación conNewsweek / Published in cooperation withNewsweek