El impacto de la inteligencia artificial en Medicina se extiende en muchas áreas, desde la gestión hospitalaria a la mejora de la práctica clínica y, por supuesto, a la investigación. De hecho, se espera que estas nuevas tecnologías cambien el paradigma de la investigación biomédica en general y de la búsqueda de nuevas moléculas en particular.
Tal y como se plantea desde un informe de Deloitte, “los algoritmos de IA podrían permitir la depuración, agregación, codificación y almacenamiento de datos de ensayos clínicos. Asimismo, con esta información se puede reducir también el impacto del error humano en la recopilación de datos y facilitar una integración perfecta con otras bases de datos”.
De esta forma, ya hay farmacéuticas trabajando en el uso de la IA con el objetivo de hacer más efectivos los procesos de investigación de nuevas moléculas, reduciendo los tiempos y los costes de los ensayos clínicos.
Casos de éxito
Uno de los hitos más conocidos es el de la start-up que logró diseñar un fármaco candidato en solo 46 días. En concreto, Insilico Medicine utilizaba la IA para diseñar una molécula que se dirige eficazmente a una proteína implicada en la fibrosis (la formación de exceso de tejido fibroso) en ratones en solo 46 días. La plataforma que la compañía ha desarrollado combina dos de los subcampos más populares de la IA: las redes generativas adversarias o GAN, que impulsan los deepfakes, y el aprendizaje por refuerzo, que está en el corazón de los avances de IA en los juegos más impresionantes de los últimos años. En un artículo publicado en Nature Biotechnology, los investigadores de la compañía describen cómo entrenaron su modelo en todas las moléculas que ya se sabe que se dirigen a esta proteína, así como a muchas otras moléculas activas de varios conjuntos de datos. Posteriormente, el modelo se utilizó para generar 30.000 moléculas candidatas. A diferencia de la mayoría de esfuerzos anteriores, fueron un paso más allá y seleccionaron las moléculas más prometedoras para probarlas en el laboratorio. Los 30.000 candidatos se redujeron a solo seis, utilizando enfoques de descubrimiento de fármacos más convencionales, y luego se sintetizaron en el laboratorio. Fueron sometidos a pruebas cada vez más estrictas, pero se descubrió que el candidato principal era eficaz para atacar la proteína deseada y se comportaba como uno esperaría que lo hiciera un fármaco. Otro hito reciente se publicaba en Science. Se trata del trabajo de investigadores del Centro de Investigación de Medicina Molecular CeMM de la Academia de Ciencias de Austria en colaboración con Pfizer, los cuales han aprovechado y ampliado un método para medir la actividad de unión de cientos de pequeñas moléculas contra miles de proteínas humanas. Este produjo un rico catálogo de decenas de miles de interacciones ligando-proteína que ahora se pueden optimizar aún más para representar puntos de partida para un mayor desarrollo terapéutico. Además, aprovechando el gran conjunto de datos, se desarrollaron modelos de aprendizaje automático e inteligencia artificial que pueden predecir cómo interactúan moléculas pequeñas adicionales con proteínas expresadas en células humanas vivas. Otro ejemplo igualmente reciente es un trabajo de investigadores de la Universidad de Cambridge, que diseñaron y utilizaron una estrategia basada en inteligencia artificial para identificar compuestos que bloquean la agregación de la alfa-sinucleína, la proteína que caracteriza el parkinson. El equipo utilizó técnicas de aprendizaje automático para examinar rápidamente una biblioteca química que contenía millones de entradas e identificó cinco compuestos muy potentes para una mayor investigación. Utilizando el aprendizaje automático, los investigadores pudieron acelerar diez veces el proceso de detección inicial y reducir el costo mil veces, lo que podría significar que los tratamientos potenciales para la enfermedad de Parkinson lleguen a los pacientes mucho más rápido. Los resultados se publicaron en la revista Nature Chemical Biology. Asimismo, la empresa DeepMind, perteneciente a Google, desarrolló a finales de 2020 un software de inteligencia artificial capaz de predecir la estructura molecular de las proteínas con un elevado grado de acierto. El desarrollo de este programa, llamado AlphaFold2, no solo supuso un hito desde el punto de vista científico, ya que ayudaba a conocer con precisión el funcionamiento de las proteínas, sino que también abrió la puerta al desarrollo de nuevos fármacos a través de esta tecnología. Cuatro años después, esta herramienta digital ha permitido a un grupo de investigadores suizos determinar el método más adecuado para sintetizar moléculas de fármacos y realizar una estimación real de sus probabilidades de éxito, tal y como recogió la revista Nature Chemistry.Diversas áreas de impacto
Sobre como la IA cambia la investigación biomédica, Tania Cedeño, directora del Centro Nacional de Epidemiología (CNE) del ISCIII, explica a EL MÉDICO que la IA puede agilizar y optimizar el proceso de recolección y análisis de datos. “Con algoritmos avanzados de aprendizaje automático puede identificar patrones complejos en conjuntos de datos masivos mucho más rápido que los métodos tradicionales. Esto no solo acelera el ritmo de la investigación, sino que también puede reducir los costos asociados con los RRHH y la gestión de datos”. Además, la IA puede ayudar a identificar áreas de investigación prometedoras y priorizar proyectos que tienen el potencial de tener un impacto significativo en la salud pública. “Al utilizar algoritmos predictivos, permite analizar tendencias emergentes y sugerir áreas de enfoque para investigaciones futuras, lo que optimiza el uso de recursos limitados y maximiza el retorno de inversión en investigación”, relata la experta. Igualmente, Isabel Cuesta, responsable de la Unidad de Bioinformática del ISCIII, añade a estas ideas que “la IA puede contribuir en varios aspectos a acelerar la investigación biomédica. Permite acelerar el análisis de grandes conjuntos de datos, identificando patrones, correlaciones y asociaciones que de otra forma no son identificadas, de forma que se puedan descubrir nuevos conocimientos y se comprenda mejor la enfermedad. Además, ayuda en el diagnóstico de enfermedades de forma más precisa y temprana, con el uso de combinaciones de datos, ómicos, imagen, clínicos, etc., y facilita la predicción de la progresión de la enfermedad y la respuesta al tratamiento, lo que permite una atención más personalizada. También permite la selección de poblaciones con mayor precisión en el diseño de ensayos clínicos, y la selección de pacientes para un tratamiento más dirigido, facilitando el descubrimiento de nuevos fármacos o usos”.Impacto para la industria farmacéutica
A este mismo respecto, el trabajo de Deloitte señala que la adopción de tecnologías de IA es una cuestión esencial para las empresas, en particular en el diseño del ensayo clínico, ya que las tecnologías que incorporan IA pueden extraer patrones de información muy útiles para alcanzar este objetivo. También en cuanto a mejorar la eficacia del ensayo clínico, a través de la extracción, el análisis y la interpretación de múltiples fuentes de datos. Asimismo, las tecnologías de IA pueden ayudar a las empresas biofarmacéuticas a identificar a los centros investigadores más cualificados y los candidatos prioritarios. Por otra parte, los algoritmos de IA pueden ayudar a vigilar y hacer un seguimiento de los pacientes automatizando la captura de datos, digitalizando las evaluaciones clínicas estándar y compartiendo datos entre sistemas. En combinación con la tecnología wearable, estos algoritmos pueden permitir la supervisión constante de los pacientes y la obtención de información en tiempo real sobre la seguridad y la eficacia del tratamiento. Igualmente, la IA puede permitir consolidar todos los datos en una única plataforma de analítica compartida, basada en estándares de datos abiertos, puede impulsar la colaboración y a la integración de distintas métricas vitales. Otra ventaja es la de poder incorporar un sistema de autoaprendizaje para mejorar las predicciones y las prescripciones a lo largo del tiempo; junto con herramientas de visualización de datos, puede ofrecer información analítica fiable a los usuarios. Por último, desde Deloitte señalan que, los gigantes tecnológicos pueden ser o bien socios potenciales, o competidores; y representan tanto una oportunidad como una amenaza, ya que actúan como disruptores en áreas específicas del sector. Al mismo tiempo, un número cada vez mayor de start-ups está trabajando en el ámbito de los ensayos clínicos, lo que incluye asociarse o firmar contratos con empresas biofarmacéuticas. Estas asociaciones combinan los conocimientos de los gigantes tecnológicos y las start-ups en el campo de la ciencia digital.Las bioempresas ya apuestan por la IA
Teniendo toda esta información en cuenta, Ion Arocena, director general de ASEBIO (Asociación Española de Bioempresas) narra a EL MÉDICO que desde ASEBIO presentaron al respecto el documento ‘Análisis de las nuevas tecnologías en el sector biotecnológico’, a finales del pasado año. Según el mismo, el 61 por ciento de los socios participantes en su elaboración ya están utilizando la inteligencia artificial “por lo que se sitúa como una de las tecnologías más empleadas dentro de nuestra base asociativa”. En esta misma línea, el documento ‘Las Nuevas Tech en el Proceso de Drug Discovery’, que recoge un análisis sobre el uso de estas herramientas en procesos de Drug Discovery , apunta a que, el 68 por ciento de los socios de ASEBIO participantes en su elaboración utilizaban la inteligencia artificial en sus procesos destinados al desarrollo de nuevos medicamentos. Dentro del grupo de herramientas digitales basadas en inteligencia artificial, destacan el uso de machine learning (58 por ciento) y de los métodos estadísticos avanzados para el descubrimiento de nuevos fármacos (42 por ciento). “Muchos de nuestros socios ya utilizan la inteligencia artificial en el desarrollo de fármacos con distintos objetivos como la predicción de toxicidad, la identificación de nuevas dianas o los análisis genómicos, entre otros. Estos son focos a los que se está prestando mucha atención en el ámbito de la investigación de nuevos medicamentos con aplicación de inteligencia artificial. Es importante destacar que la utilización de este tipo de herramientas digitales se está traduciendo no solo en una investigación de mayor calidad, sino que ofrece el potencial de aumentar su eficiencia mediante la reducción de los tiempos que suponen algunos de estos procesos”, apunta Ion Arocena. Por otra parte, “están surgiendo nuevas empresas que centran su actividad en la aplicación de la inteligencia artificial en procesos biotecnológicos. Es una oportunidad que muchas compañías ya están aprovechando”. Pese a todas estas ventajas, el experto no se olvida de señalar que “el mayor reto que las compañías biotecnológicas encuentran a la hora de aplicar la inteligencia artificial es el grado de madurez de las tecnologías dentro de las empresas, así como la falta de formación para los profesionales que posibilite su correcto uso e implementación”.Una investigación más accesible
Sin duda, uno de los grandes hándicaps de la investigación es su alto coste, tanto para los entes públicos como para la empresa privada, que tiene que hacer grandes inversiones en el desarrollo de nuevas moléculas, que suponen que estas luego tengan precios tan altos cuando llegan al mercado, y lo que dificulta que sean accesibles para todos los países y todos los pacientes. A su vez, procesos más ágiles de diseño de medicamentos podrían marcar la diferencia en la investigación de enfermedades que aún no tienen cura, ahorrando tiempo y dinero a las instituciones científicas y permitiéndoles hacer hallazgos importantes más rápidamente. En este sentido, Tania Cedeño, del CNE del ISCIII, vuelve a matizar que “el acceso equitativo a herramientas de investigación puede desempeñar un papel fundamental en la promoción de la equidad en salud y en la reducción de las disparidades en el acceso a tratamientos para patologías desatendidas. Desde el ámbito público, es crucial garantizar un acceso global a los avances en la investigación médica, impulsando la capacidad de los sistemas de salud pública para identificar y abordar las necesidades específicas de las poblaciones marginadas”. Es por ello que al utilizar tecnologías avanzadas en la investigación de tratamientos para patologías desatendidas, los sistemas de salud pública pueden adaptar las intervenciones a las realidades locales y garantizar que lleguen a aquellos que más las necesitan. Con las mejoras que puede aportar la IA en la investigación, el abordaje en patologías desatendidas será más factible. Un ejemplo de uso lo ponen Adolfo Muñoz, jefe de la Unidad de Investigación en Salud Digital (UITeS) del ISCIII, y Ricardo Sánchez, investigador de la UITeS. “La Unidad de Investigación en Telemedicina y Salud Digital (UITeS) del ISCIII trabaja para crear una plataforma, basada en técnicas de IA, para la validación de hipótesis formuladas por profesionales sanitarios. En esta plataforma, un profesional sanitario formula una hipótesis sobre si una característica médica, o una combinación de ellas, está relacionada con un determinado resultado médico. A partir de conjuntos de datos médicos con datos sobre ese resultado médico se demostraría o refutaría la hipótesis planteada, usando técnicas avanzadas desarrolladas en la UITeS del ISCIII”.Un cambio en todo el ciclo de vida del medicamento
Por su parte, Pedro Luis Sánchez, director del Departamento de Estudios de Farmaindustria explica a EL MÉDICO que la inteligencia artificial está llamada a jugar un papel importantísimo al aplicarse en las distintas fases del ciclo de vida del medicamento. En este sentido, la Agencia Europea de Medicamentos (EMA) ha publicado recientemente un documento de reflexión que abarca un amplio espectro de aplicaciones de la inteligencia artificial y del aprendizaje automático en el ámbito farmacéutico, desde el procedimiento de descubrimiento de medicamentos hasta los estudios que puedan hacerse en su fase de posautorización, pasando por la investigación preclínica, la investigación clínica o la propia fabricación de fármacos. “A su vez, la aplicación de la IA al ámbito farmacéutico tiene consideraciones técnicas y tecnológicas que será importante delimitar y entender para evitar situaciones de incertidumbre y para maximizar los beneficios que traerá la IA al conjunto del ecosistema sanitario”, resume Pedro Luis Sánchez. Desde Farmaindustria también destacan que “la inteligencia artificial nos va a ayudar también a la generación de evidencia en vida real. Los datos procedentes de los ensayos clínicos cubren un pequeño porcentaje de los pacientes y resulta crítico utilizar al máximo los datos existentes cuando el medicamento es usado ya por los pacientes en su día a día. Los datos en vida real mejoran el entendimiento de enfermedades, la monitorización de los tratamientos, los procedimientos de evaluación de nuevos fármacos y la evidencia de los sistemas sanitarios”. Finalmente, respecto a la proyección a futuro, de nuevo el trabajo de Deloitte señala que la inteligencia artificial junto con los avances en medicina personalizada conducirá a los ensayos in silico, que utilizan modelos y simulaciones computarizadas en el desarrollo reglamentario de un fármaco. Según este informe, “en el próximo decenio también veremos un incremento en la implantación de ensayos virtuales gracias a las tecnologías digitales innovadoras para reducir la carga económica y de tiempo en los pacientes”. Los ensayos virtuales permiten una inscripción más ágil de grupos representativos en tiempo real y en su entorno habitual, así como la supervisión de estos pacientes en remoto. Hasta el 50 por ciento de todos los ensayos puede hacerse virtualmente. En definitiva, la transformación de los ensayos clínicos requerirá que las empresas trabajen de una manera distinta, aprovechando las capacidades de gestión del cambio, así como las asociaciones y colaboraciones.Fuentes
- Deloitte: https://www2.deloitte.com/es/es/pages/strategy-operations/articles/ensayos-clinicos-inteligentes-reducen-tiempo-dinero.html
- Nature: https://www.nature.com/articles/s41587-019-0224-x#MOESM3
- Science
- Nature Chemical Biology
- Nature Chemistry
- ASEBIO
- ISCIII
- Farmaindustria