Cómo la IA está revolucionando el desarrollo de fármacos
Por Steve Lohr en The New York Times del 17 de Junio de 2024
El laboratorio de Terray Therapeutics https://www.terraytx.com/ es una sinfonía de automatización miniaturizada. Los robots giran y transportan pequeños tubos de fluidos a sus estaciones. Científicos con batas azules, guantes esterilizados y gafas protectoras vigilan las máquinas.
Pero la acción real está sucediendo a nanoescala: las proteínas en solución se combinan con moléculas químicas contenidas en minúsculos pozos en chips de silicio personalizados que son como moldes microscópicos para muffins. Cada interacción se registra, millones y millones cada día, generando 50 terabytes de datos sin procesar diariamente, el equivalente a más de 12.000 películas.
El laboratorio, de aproximadamente dos tercios del tamaño de un campo de fútbol, es una fábrica de datos para el descubrimiento y desarrollo de fármacos asistidos por inteligencia artificial en Monrovia, California. Es parte de una ola de empresas jóvenes y de nueva creación que intentan aprovechar la IA. para producir medicamentos más eficaces y más rápido. Las empresas están aprovechando la nueva tecnología, que aprende de enormes cantidades de datos para generar respuestas, para intentar rehacer el descubrimiento de fármacos. Están trasladando el campo de una minuciosa artesanía a una precisión más automatizada, un cambio impulsado por la inteligencia artificial. que aprende y se vuelve más inteligente. “Una vez que tienes el tipo correcto de datos, la A.I. puede funcionar y volverse realmente bueno”, dijo Jacob Berlin, cofundador y director ejecutivo de Terray.
La mayoría de los primeros usos comerciales de la IA generativa, que puede producir de todo, desde poesía hasta programas de computadora, han sido para ayudar a eliminar la monotonía de las tareas rutinarias de oficina, el servicio al cliente y la escritura de códigos.
Sin embargo, el descubrimiento y desarrollo de fármacos es una industria enorme que, según los expertos, está madura para una IA.
Es una “oportunidad única en un siglo” para el negocio farmacéutico, según la consultora McKinsey & Company.
Así como los chatbots populares como ChatGPT se entrenan con texto a través de Internet, y los generadores de imágenes como DALL-E aprenden de grandes cantidades de imágenes y videos, el descubrimiento de fármacos se basa en datos.
Y se trata de datos muy especializados: información molecular, estructuras de proteínas y mediciones de interacciones bioquímicas.
La IA aprende de patrones en los datos para sugerir posibles candidatos a fármacos útiles, como si relacionara claves químicas con las cerraduras de proteínas correctas.
Porque la I.A para el desarrollo de fármacos esta basada en datos científicos precisos, las “alucinaciones” tóxicas son mucho menos probables que con chatbots más capacitados. Aedemas, cualquier fármaco potencial debe someterse a pruebas exhaustivas en laboratorios y ensayos clínicos antes de ser aprobado para los pacientes.
Empresas como Terray están construyendo grandes laboratorios de alta tecnología para generar información que ayude a entrenar la IA, lo que permite una experimentación rápida y la capacidad de identificar patrones y hacer predicciones sobre lo que podría funcionar.
IA generativa luego puede diseñar digitalmente una molécula de fármaco.
Ese diseño se traduce, en un laboratorio automatizado de alta velocidad, a una molécula física y se prueba su interacción con una proteína objetivo.
Los resultados, positivos o negativos, se registran y se devuelven al software del sistema de inteligencia artificial para mejorar su próximo diseño, acelerando el proceso general.
La IAG “está transformando el campo, pero el proceso de desarrollo de fármacos es complicado y muy humano”, afirmó David Baker, bioquímico y director del Instituto de Diseño de Proteínas de la Universidad de Washington.
El desarrollo de fármacos ha sido tradicionalmente una tarea costosa, que consume mucho tiempo y es un proceso azaroso.
Los estudios sobre el costo de diseñar un medicamento y realizar ensayos clínicos hasta su aprobación final varían ampliamente.
Pero el gasto total se estima en 1.000 millones de dólares en promedio y se necesitan de 10 a 15 años.
Casi el 90 por ciento de los medicamentos candidatos que entran en ensayos clínicos en humanos fracasan, generalmente por falta de eficacia o efectos secundarios imprevistos.
Los desarrolladores que utilizan la joven IAG en fármacos se esfuerzan por utilizar su tecnología para mejorar esas probabilidades y, al mismo tiempo, reducir tiempo y dinero.
Su fuente de financiación más constante proviene de los gigantes farmacéuticos, que durante mucho tiempo han servido como socios y banqueros de proyectos de investigación más pequeños.
Con la IAG de hoy los fabricantes de medicamentos suelen centrarse en acelerar las etapas preclínicas de desarrollo, que tradicionalmente han tardado entre cuatro y siete años. Algunos pueden intentar participar ellos mismos en ensayos clínicos.
Pero en esa etapa es donde las grandes corporaciones farmacéuticas suelen tomar el control, llevando a cabo costosos ensayos en humanos, que pueden tardar otros siete años.
Para las compañías farmacéuticas establecidas, la estrategia de socios es un camino de costo relativamente bajo para aprovechar la innovación. “Para ellos, es como tomar un Uber para llegar a algún lugar en lugar de tener que comprar un automóvil”, dijo Gerardo Ubaghs Carrión, ex banquero de inversiones en biotecnología del Bank of America Securities. Empresas como Terray están construyendo grandes laboratorios de alta tecnología para generar datos que ayuden a entrenar a la IA. para producir medicamentos más eficaces.
Las principales compañías farmacéuticas pagan a sus socios de investigación por alcanzar hitos hacia candidatos a fármacos, que pueden alcanzar cientos de millones de dólares a lo largo de los años. Y si un medicamento finalmente se aprueba y se convierte en un éxito comercial, hay un flujo de ingresos por regalías.
Empresas como Terray, Recursion Pharmaceuticals https://www.recursion.com/ , Schrödinger https://www.schrodinger.com/ e Isomorphic Labs https://www.isomorphiclabs.com/ están buscando avances.
Pero, en términos generales, hay dos caminos diferentes: los que construyen grandes laboratorios y los que no. Isomórfico, el descubrimiento de fármacos derivado de Google DeepMind, el sistema central de inteligencia artificial del gigante tecnológico. Cuanto mejor es la IA, menos datos se necesitan. Y está apostando por su destreza en software. En 2021, Google DeepMind lanzó un software que predijo con precisión las formas en las que se plegarían las cadenas de aminoácidos como proteínas. Esas formas tridimensionales determinan cómo funciona una proteína. Esto fue un impulso para la comprensión biológica y útil para el descubrimiento de fármacos, ya que las proteínas impulsan el comportamiento de todos los seres vivos. El mes pasado, Google DeepMind e Isomorphic anunciaron que su último modelo de I.A. AlphaFold 3 https://deepmind.google/technologies/alphafold/ puede predecir cómo interactuarán las moléculas y las proteínas, un paso más en el diseño de fármacos
.”Nos estamos centrando en el enfoque computacional”, dijo Max Jaderberg, jefe de A.I. oficial en Isomórfico. “Creemos que hay un enorme potencial por desbloquear”.
Ver articulo completo en https://www.nytimes.com/2024/06/17/business/ai-drugs-development-terray.html?smid=nytcore-ios-share&referringSource=articleShare&sgrp=c-cb