La IA acelera el futuro del diseño de medicamentos

Puntos clave

• AstraZeneca utiliza la IA para acelerar el descubrimiento de medicamentos biológicos, reduciendo plazos e incrementando la productividad.
• McKinsey estima que la IA combinada con herramientas computacionales podría acortar los plazos de descubrimiento de medicamentos hasta un 50%.
• La IA está haciendo que los objetivos de enfermedades antes inaccesibles sean viables para el tratamiento biológico.
• AstraZeneca está construyendo una instalación en Kendall Square, Cambridge, Massachusetts, donde la IA y la automatización robótica ejecutarán un sistema de descubrimiento de bucle cerrado continuo.

Diseñar un nuevo medicamento es costoso y propenso al fracaso. La mayoría de los candidatos nunca llegan a los pacientes. El problema es más agudo para los medicamentos biológicos, terapias construidas a partir de proteínas modificadas en lugar de química sintética, porque los científicos deben examinar un número enorme de moléculas posibles para encontrar las pocas que se unen correctamente, permanecen estables en el cuerpo y pueden fabricarse a escala.

La IA es ahora central en esa búsqueda. AstraZeneca ha estado expandiendo sus equipos de ingeniería para avanzar más en el campo. "Todo lo que hacemos, ya sea diseño, fabricación, prueba o análisis, ahora está mejorado computacionalmente", dice Puja Sapra, vicepresidenta senior y jefa de ingeniería de biológicos y descubrimiento oncológico dirigido de I+D en AstraZeneca. El enfoque de la empresa sigue un bucle construir-medir-aprender: la IA clasifica moléculas candidatas, los científicos concentran el tiempo de laboratorio en las mejores opciones, y el ciclo de retroalimentación se acelera. Menos callejones sin salida, iteración más rápida.

Cubrimos la onda de inversión más amplia el 22 de julio, cuando el gobierno estadounidense se comprometió a gastar 5 mil millones de dólares en descubrimiento de medicamentos impulsado por IA en quince agencias federales.

¿Cómo está cambiando la IA el diseño de medicamentos?

La IA no solo comprime plazos. Está abriendo territorio al que los métodos tradicionales no podían llegar. Mientras que los biológicos más antiguos típicamente atacan una vía de enfermedad, una nueva generación puede golpear múltiples objetivos a la vez o entregar tratamientos directamente a células específicas. Los modelos de IA ayudan a equilibrar la potencia, estabilidad, fabricabilidad y seguridad en todas esas variables simultáneamente. "Medicar lo no medible se está convirtiendo en realidad", dice Sapra.

¿Qué papel juegan los datos?

McKinsey estima la reducción potencial de plazos en hasta un 50%, pero cada modelo es solo tan bueno como lo que aprendió. Los conjuntos de datos de AstraZeneca son propietarios y multimodales, cubriendo estructuras moleculares, mediciones de unión, perfiles de seguridad y resultados de fabricación. Los experimentos fallidos son tan importantes como los exitosos: cada uno afianza el siguiente modelo. "Los datos son nuestro diferenciador", dice Sapra. Ese es un foso competitivo real, y es una razón por la cual los actores más pequeños sin años de datos experimentales propietarios tendrán dificultades para mantenerse al día.

¿Qué sigue para la IA en medicina?

El objetivo final es el diseño "de novo", construir secuencias de proteínas completamente nuevas desde cero para ajustarse a un perfil de medicamento deseado, en lugar de modificar las existentes. Llegar allí requiere datos de capacitación estandarizados más ricos, puntos de referencia de evaluación sólidos para candidatos generados por IA, y equipos versados tanto en aprendizaje automático como en biología.

La predicción de seguridad es la parte más difícil. "Uno de los problemas más difíciles en el diseño de novo es predecir si una molécula generada computacionalmente será segura en el cuerpo humano", dice Sapra. AstraZeneca lo está abordando con sistemas celulares avanzados y modelos de órganos a microescala combinados con IA, efectivamente ensayos clínicos virtuales que generan señales biológicas sin los cuellos de botella de las pruebas tradicionales.

Para los pacientes, la ventaja práctica es esperas más cortas. Si los plazos se mantienen, las enfermedades que actualmente no tienen tratamiento viable podrían pasar de concepto de laboratorio a candidato clínico más rápido que lo que cualquier generación anterior de investigación de medicamentos permitió.

Preguntas frecuentes

¿Cómo afecta directamente la IA a los pacientes?

El descubrimiento más rápido significa que los tratamientos podrían llegar a los pacientes antes, y golpear objetivos previamente "no medicables" significa que algunas enfermedades que actualmente no tienen buen medicamento finalmente podrían obtener uno.

¿Debería preocuparse de que la IA esté tomando decisiones de seguridad de medicamentos?

No. Sapra es explícita en que los científicos permanecen centrales, proporcionando supervisión y dirección estratégica para garantizar que los resultados sean explicables y estén dirigidos hacia el beneficio del paciente. La IA reduce las opciones; los humanos deciden qué se persigue.

¿Puede la IA reemplazar a científicos humanos en el descubrimiento de medicamentos?

No todavía, y probablemente no pronto. Maneja análisis de datos y clasificación de moléculas a una escala que ningún equipo humano podría igualar, pero el juicio, la ética y la estrategia experimental siguen siendo responsabilidades puramente humanas.