La investigadora Nuria Campillo (ICMAT-CSIC) explica cómo las técnicas de machine learning han contribuido a la mejora del proceso de desarrollo de fármacos.
La inteligencia artificial ya está presente prácticamente en todas las áreas de la vida, incluido los fármacos. Y es que todos, en algún momento dado, hemos tenido que tomar un medicamento para tratar una enfermedad. Conocemos sus nombres, indicaciones de uso y sus efectos, pero ¿cómo se desarrollan?, y ¿qué tiene que ver la IA en todo esto?
La investigadora Nuria Campillo, actualmente trabajando en el Instituto de Ciencias Matemáticas (ICMAT) y co-fundadora de AItenea Biotech, ha centrado su trabajo en la aplicación de herramientas de IA para el diseño, identificación y optimización de fármacos, dentro del grupo DrugDesignLab liderado por el doctor David Rios.
“El desarrollo de fármacos es un proceso muy complejo y costosos que conlleva una media de entre 10 y 12 años, y unos 2 mil millones de euros. La IA nos está demostrando que puede acortar estos tiempos y el dinero que se está invirtiendo”, explica Campillo, quien destaca además la reducción de la utilización de pruebas con animales como otra de las ventajas de la incorporación de la IA en la creación de fármacos.
Y es que la IA está presente a lo largo de todo el proceso de creación, desde las primeras etapas como la identificación y validación de la diana terapéutica, pasando por la etapa de identificación y optimización de prototipos que llegarán a ser los futuros fármacos hasta las fases clínicas para diseñar de manera racional los diferentes escenarios por los que el medicamento se testará en seres humanos.
De manera más concreta, el grupo de Campillo se centra en la identificación y optimización los prototipos destinados a ‘atacar’ la diana terapéutica identificada que no funciona, y es aquí donde las técnicas de Machine Learning están más presentes. “Hacemos modelos matemáticos que relacionan la propiedad que queremos estudiar con las moléculas que tenemos y el modelo aprenderá, relacionará la estructura con la propiedad”, explica la investigadora. Una vez que el modelo ha aprendido, será capaz de predecir las propiedades de moléculas nuevas, se podrá cribar de forma rápida y eficaz grandes quimiotecas de nuevas moléculas sin la necesidad de sintetizar y estudiar todas ellas, únicamente las seleccionadas por el modelo.
En cuanto al futuro, Campillo identifica la mejora de las bases de datos, la sinergia entre las técnicas computacionales y la IA, y el desarrollo de modelos para moléculas de novo como los principales retos en la investigación. Y pone un énfasis especial en la colaboración entre matemáticos y químicos médicos y orgánicos para “hablar un lenguaje parecido” que permita seguir avanzando en el desarrollo de fármacos.
En la fotografía, Nuria Campillo, presentando AItenea Biotech, en el evento Conexión AIHUB-Industria celebrado el pasado 14 de Diciembre en Valencia.