Cómo la inteligencia artificial acorta plazos en el desarrollo de nuevos fármacos
#VozBiotech | La IA puede abordar muchos desafíos y limitaciones en la I+D tradicional y ofrecer valor en el descubrimiento de medicamentos de múltiples maneras: acelerando el proceso, reduciendo los costes y mejorando las tasas de éxito en fases clínicas
Los optimistas biotecnólogos creemos que, con herramientas adecuadas, podremos alcanzar el ambicioso objetivo de curar todas las enfermedades, parar el envejecimiento y, en definitiva, mejorar nuestra calidad de vida a niveles impensables hasta ahora. Pero una cosa es ser optimista y otra es ser un iluso. Según la plataforma Open Targets, existen 23 mil enfermedades, con nuevas añadiéndose cada año; unas 15 mil dianas terapéuticas potenciales (miles de las cuales tienen función desconocida en el contexto de cientos de enfermedades); y 12 mil moléculas farmacológicas descritas por su interacción con dianas, de las que solo 600 han alcanzado el mercado. Un ejercicio matemático nos permite llegar a una conclusión: hay millones de hipótesis terapéuticas por testar. Es decir, en un contexto en el que un gran número de enfermedades, raras y no tan raras, aún no tienen cura disponible, hay millones de combinaciones potenciales entre dianas terapéuticas y moléculas que aún no se han explorado.
Ahora bien, descubrir un nuevo fármaco no es mezclar dos reactivos en un líquido y comprobar si cambia de color. Es un proceso arduo, que requiere cumplir con criterios esenciales: identificar dianas terapéuticas cuya modulación farmacológica detenga el avance de la enfermedad o permita su reversión, diseñar y desarrollar moléculas potentes y selectivas contra esas dianas, para no generar efectos tóxicos debido a su impacto en otras dianas, conseguir que estas moléculas accedan al tejido de interés, y tengan un perfil metabólico adecuado, para ejercer su mecanismo de acción de manera correcto.
Con las tecnologías actuales, cumplir estos criterios supone un enorme trabajo que implica entender muy bien los procesos biológicos alterados en una enfermedad; identificar y validar de manera experimental potenciales dianas terapéuticas contra la enfermedad; cribar miles de compuestos que modulen la actividad de dichas dianas; y seleccionar los mejores candidatos farmacológicos. Este exhaustivo proceso, al que nos dedicamos miles de compañías biotecnológicas y empresas farmacéuticas, tiene una tasa de éxito del 4%, desde el comienzo de un proyecto en fase preclínica a su llegada a los pacientes, tarda 12 años y cuesta 1000 millones de euros. Como resultado a estas métricas, durante 2021 la FDA aprobó la entrada al mercado de (redoble de tambores) 50 nuevos fármacos. Con este ritmo será imposible alcanzar el ambicioso objetivo descrito arriba en un plazo que nuestra generación y la de nuestros hijos pueda disfrutar.
Ahora bien, ¿hay algún atajo que permita mejorar las tasas de éxito, acelerar el proceso y reducir los ingentes costes que implica el desarrollo de un nuevo fármaco? Quizás la solución está en la inteligencia artificial (IA). Hasta hace pocos años, solo algunas compañías pioneras usaban herramientas basadas en IA aplicadas al descubrimiento de fármacos. Aunque no puede afirmarse que el uso de estas herramientas se ha democratizado, la tendencia de crecimiento de nuevas empresas – 500 empresas y 100 corporaciones declaran usar IA en sus procesos de descubrimiento de fármacos, según el último estudio de Deep-pharma.tech – muestra que el uso de estas herramientas va camino de ser esencial.
Sus usos se extienden. En los últimos tres años, han entrado en fases clínicas las primeras moléculas identificadas mediante la aplicación de IA en alguna parte del proceso de descubrimiento. Pero los avances en este campo se han hecho evidentes este año, con la entrada en fases clínicas del primer fármaco descubierto por completo mediante IA: desde la identificación de la diana hasta el diseño del fármaco – eficaz, seguro y con buen perfil metabólico – que la modula. Lo relevante de este fármaco, desarrollado por Insilico Medicine para tratar procesos fibróticos, es que su desarrollo preclínico duró solo 30 meses (incluyendo una Fase 0 clínica) y costó 2,6 millones de dólares, frente a los 5 años de media y 5 millones de dólares (como mínimo) que implica un desarrollo preclínico tradicional. Es decir, se redujo a la mitad (o menos) el tiempo y coste de un desarrollo preclínico.
En estadios de desarrollo menos avanzados, desde ZeClinics también estamos desarrollando una plataforma de descubrimiento de dianas terapéuticas y fármacos – ZeBYTE – que integra herramientas de IA en muchos de nuestros procesos experimentales basados en el uso del pez cebra. Estimamos que esta plataforma nos permitirá identificar, en menos de 1 año, nuevas dianas para tratar tres enfermedades distintas (Parkinson, NASH y cardiomiopatia dilatada). Y esto es solo el principio.
Al igual que ZeClinics, hay cientos de empresas en el mundo que aplican IA en sus procesos de descubrimiento de dianas y fármacos. Esto implica que el número de fármacos con sello IA, que accedan a fases clínicas, se multiplicará en los próximos años. Sin duda, el uso de IA ya acorta plazos y reduce costes durante la fase preclínica. La pregunta relevante es si estos fármacos también mostrarán mejores tasas de éxito en fases clínicas, siendo más eficaces, selectivos y seguros que los que se desarrollaban mediante tecnologías tradicionales. Aún es pronto para predecir si esto ocurrirá. Pero, por el bien de todos, espero que la IA sea el atajo que buscábamos para curar todas las enfermedades e, incluso, parar el envejecimiento. Tal como está el mundo, no estaría mal que alguna vez los optimistas tengamos razón.
Javier Terriente, co-fundador y director de desarrollo de fármacos en ZeClinics.