La\u00a0Inteligencia Artificial (IA)\u00a0est\u00e1 permitiendo que, mediante algoritmos, los ordenadores comiencen a razonar como seres humanos. Y el\u00a0desarrollo de nuevos f\u00e1rmacos es uno de los \u00e1mbitos que m\u00e1s se va a ver beneficiado<\/b>, seg\u00fan un reciente estudio de la consultora Deloitte, especialmente en la selecci\u00f3n de nuevas mol\u00e9culas con potencial terap\u00e9utico. Adem\u00e1s, la IA permite identificar patrones gen\u00e9ticos o de marcadores entre grandes vol\u00famenes de informaci\u00f3n para identificar tanto grupos de pacientes con mayor probabilidad de respuesta a una terapia como posibles efectos secundarios, permitiendo personalizar los tratamientos.<\/p>\n
El\u00a0punto de inflexi\u00f3n en esta campo se produjo hace cuatro a\u00f1os<\/b>, cuando la empresa DeepMind (propiedad de Google) desarroll\u00f3 el software Alphafold, que lograba predecir la estructura de las prote\u00ednas, lo que sentaba la base para el desarrollo de nuevas mol\u00e9culas que, finalmente, pudieran convertirse en nuevos medicamentos. El origen de esta tecnolog\u00eda es muy curioso: parte de Deep Blue, la computadora que derrot\u00f3 al campe\u00f3n de ajedrez Garry Kasparov en 1997 y que almacenaba millones de partidas desde el siglo XVI, lo que le permit\u00eda calcular millones de jugadas por segundo.<\/p>\n
El siguiente enfoque fue distinto,\u00a0apostando por las redes neuronales similares a las de nuestro cerebro<\/b>. Y, en vez de alimentar a la m\u00e1quina con informaci\u00f3n sobre partidas de ajedrez, los ingenieros prefirieron que la m\u00e1quina aprendiera a jugar ajedrez contra s\u00ed misma, arrasando a la mejor computadora de ajedrez de aquel momento. Y lo mismo sucedi\u00f3 cuando aprendi\u00f3 go, el milenario pasatiempo oriental, con muchos m\u00e1s millones de posibilidades de movimiento que el ajedrez.\u00a0Todo lo aprendido en este camino se aplic\u00f3 a los billones de posibilidades combinatorias que ofrecen las prote\u00ednas y, por tanto, los futuros f\u00e1rmacos<\/b>. Y que ahora se traducen en apenas unos segundos de c\u00e1lculo.<\/p>\n
En paralelo, otras compa\u00f1\u00edas est\u00e1n usando otras herramientas y otros enfoques para desarrollar nuevos medicamentos, como la empresa biotecnol\u00f3gica Insilico, radicada en Hong Kong y que ya est\u00e1\u00a0probando en humanos un f\u00e1rmaco para la fibrosis pulmonar idiop\u00e1tica.\u00a0<\/b>El tratamiento se desarroll\u00f3 de forma \u00edntegra por IA y permiti\u00f3 reducir a apenas 18 meses el plazo en el que se desarroll\u00f3 el compuesto y se prob\u00f3 en animales. Este mismo abordaje est\u00e1 siendo utilizado por los investigadores de la empresa para el desarrollo de un tratamiento para la Covid-19 y de otro para el c\u00e1ncer.<\/p>\n
Albert Farr\u00e9<\/b>\u00a0es el responsable en Espa\u00f1a de excelencia de negocio y compromiso con los pacientes del laboratorio suizo Novartis. Como se\u00f1ala, \u00abestamos convencidos de que estos nuevos sistemas pueden ser grandes aliados a la hora de reimaginar la medicina y revolucionar la manera en la que abordamos la innovaci\u00f3n para dar respuestas a las patolog\u00edas m\u00e1s prevalentes de la sociedad, como las cardiopat\u00edas y el c\u00e1ncer\u00bb.<\/p>\n
La multinacional utiliza, para el desarrollo de nuevos f\u00e1rmacos, la\u00a0herramienta Data 42, un \u00abdata lake\u00bb \u2013una plataforma que alberga gran cantidad de informaci\u00f3n sin procesar\u2013 en el que se han recopilado datos de los m\u00e1s de 5.000 ensayos cl\u00ednicos realizados por Novartis en el mundo en los \u00faltimos 25 a\u00f1os.<\/b>\u00a0Con ella se entrenan t\u00e9cnicas de predictibilidad, se optimizan el desarrollo de mol\u00e9culas y, al final, se reducen tiempos de realizaci\u00f3n de ensayos para que, en \u00faltima instancia, la innovaci\u00f3n llegue antes a los pacientes\u00bb resume Farr\u00e9.<\/p>\n
La IA, prosigue el experto, \u00abpuede incidir en toda la cadena de valor sanitaria y en todo el recorrido asistencial de los pacientes. Pero, para verdaderamente promover su potencial y seguir explorando estas l\u00edneas, debemos tambi\u00e9n impulsar la capacidad de las personas para usar y desarrollar estos sistemas. Con este objetivo, en nuestro caso\u00a0contamos con nuestro Laboratorio de innovaci\u00f3n en IA y con seis centros con 460 especialistas<\/b>, con el objetivo de encontrar aplicaciones posibles de esta tecnolog\u00eda a nuestra actividad y dirigirnos hacia una medicina de precisi\u00f3n cada vez m\u00e1s avanzada\u00bb.<\/p>\n
<\/p>\n
Raquel Tapia<\/b>\u00a0es directora general en Espa\u00f1a del laboratorio franc\u00e9s Sanofi. En su opini\u00f3n, la IA en el desarrollo de f\u00e1rmacos supone \u00abuna enorme oportunidad. Somos una compa\u00f1\u00eda l\u00edder en el manejo de la IA a escala y el \u00e1rea del desarrollo de f\u00e1rmacos es, sin duda, prioritaria porque nos est\u00e1 ayudando a\u00a0acelerar nuestra ambici\u00f3n de ser la compa\u00f1\u00eda de referencia en inmunolog\u00eda.<\/b>\u00a0Trabajamos cada d\u00eda para ser capaces de desarrollar tratamientos que sean o los mejores o los primeros para tratar enfermedades. Pero tambi\u00e9n trabajamos para ser\u00a0capaces de desarrollarlos lo m\u00e1s r\u00e1pido, eficaz y seguro posible, para que los pacientes puedan beneficiarse cuanto antes\u00bb.<\/b><\/p>\n
<\/p>\n