Algoritmos para luchar contra las bacterias

La inteligencia artificial, el aprendizaje automático y las técnicas de modulado molecular están acelerando la investigación para el desarrollo de nuevos antibióticos.

La inteligencia artificial está acelerando el futuro en diferentes ámbitos. La medicina moderna ha obtenido grandes beneficios del uso de fármacos antimicrobianos para tratar enfermedades infecciosas causadas por bacterias. Sin embargo, el uso recurrente de estos medicamentos en humanos, animales y el medio ambiente ha contribuido a la aparición del fenómeno de la resistencia antimicrobiana, que pronto se ha convertido en una de las mayores amenazas para la salud pública y ambiental.

La resistencia antimicrobiana hace que ciertos microorganismos sobrevivan a los medicamentos disponibles, mediante la adquisición de mutaciones que les permiten limitar la absorción de un fármaco o inactivarlo. Muchos microorganismos, además, desarrollan una multirresistencia, sobreviviendo al uso de diferentes clases de antibióticos. Por lo tanto, es cada vez más necesario el desarrollo de nuevas estrategias antimicrobianas.

Entre las principales causas, sin duda, está el uso incorrecto de los antibióticos, que a menudo se toman para enfermedades de origen viral, como la gripe o el resfriado, para las cuales no están indicados, además de una escasa adherencia a las terapias. Hoy en día, la inteligencia artificial y el aprendizaje automático están abriendo el camino para el desarrollo de nuevas moléculas que podrían resolver el problema.

Un estudio publicado en Nature Chemical Biology ha demostrado la eficacia de la inteligencia artificial en la identificación de nuevos antibióticos y en la lucha contra la resistencia antimicrobiana. Los investigadores utilizaron el machine learning para analizar, casi en tiempo real, más de 7.500 moléculas y su efecto contra la superbacteria Acinetobacter baumannii, considerada por la Organización Mundial de la Salud (OMS) como una de las bacterias más peligrosas del mundo debido a su resistencia a los antibióticos.

En solo dos horas, el algoritmo de IA descubrió un nuevo compuesto, llamado abaucina, que demostró inhibir el crecimiento de A. baumannii. Pruebas posteriores confirmaron la actividad dirigida de esta molécula contra el patógeno gram-negativo. La abaucina representa, por lo tanto, un candidato prometedor para desarrollar nuevos antibióticos contra bacterias que han desarrollado resistencia a los antibióticos.

El descubrimiento de la abaucina por parte de la inteligencia artificial no es un caso aislado. Hace unos años, un equipo de investigadores del Massachusetts Institute of Technology (MIT) utilizó el machine learning para analizar más de 2.500 compuestos, identificando un nuevo antibiótico llamado halicina, que demostró actividad contra varios patógenos resistentes a los medicamentos tradicionales. También los investigadores de la Universidad de Oxford están utilizando técnicas de inteligencia artificial para acelerar el descubrimiento de nuevos antibióticos analizando grandes conjuntos de datos químicos.

Dadas las enormes potencialidades de esta tecnología, varias empresas farmacéuticas ya han creado centros de investigación dedicados a la inteligencia artificial, para reducir los tiempos y costes del desarrollo de nuevos fármacos, adoptando técnicas de machine learning, deep learning y análisis predictivo en las diversas fases del proceso de investigación, desarrollo y experimentación. 

Cómo funciona la inteligencia artificial para el descubrimiento de nuevas moléculas

La IA utiliza algoritmos de aprendizaje automático para examinar rápidamente enormes bases de datos de compuestos químicos. Aprovechando el potencial de las redes neuronales artificiales, que simulan el funcionamiento de las neuronas humanas, y el deep learning, basado en redes neuronales artificiales de múltiples capas capaces de aprender de manera autónoma a partir de datos, los sistemas de IA se entrenan para reconocer patrones en los big data con los que predecir qué moléculas tienen mayor probabilidad de tener una actividad antibacteriana.

Luego se aplica una técnica de aprendizaje por refuerzo, mediante la cual el algoritmo aprende a través de ensayo y error interactuando con el entorno. De esta manera, la IA puede probar virtualmente millones de compuestos en muy poco tiempo e identificar los más prometedores para desarrollar y probar en el laboratorio.

Tradicionalmente, el proceso de descubrimiento de nuevos antibióticos requiere largos y costosos screenings químicos, que implican la síntesis y evaluación de un gran número de compuestos. Pero gracias a la IA, hoy es posible acelerar significativamente este proceso. Los algoritmos de aprendizaje automático pueden analizar grandes cantidades de datos científicos, como información estructural sobre bacterias, datos de screenings químicos e información sobre los mecanismos de resistencia bacteriana, para identificar candidatos potenciales a antibióticos.

Además, la IA puede mejorar la precisión en la selección de compuestos antibacterianos. A través del aprendizaje automático, de hecho, es posible analizar las interacciones entre los compuestos químicos y los objetivos bacterianos para diseñar antibióticos que sean más efectivos en atacar mecanismos específicos de resistencia. Este enfoque permite desarrollar fármacos dirigidos, que actúan de manera selectiva sobre las bacterias patógenas, minimizando los efectos secundarios para los microorganismos beneficiosos presentes en el organismo.

En esencia, gracias a la IA, el proceso de descubrimiento y desarrollo de nuevos fármacos puede ser considerablemente más rápido, eficiente y económico. Un estudio de Accenture sugiere que la IA tiene el potencial de reducir los costos de descubrimiento y desarrollo de medicamentos hasta en un 60 % y reducir los tiempos en hasta 2-3 años. No solo eso: gracias a la capacidad de procesar una gran cantidad de datos, la inteligencia artificial puede prever de manera temprana posibles efectos tóxicos o adversos de un compuesto farmacéutico, descartando a tiempo moléculas prometedoras, pero con potenciales contraindicaciones.

Como se destaca en el Megatrends 2024 de la Fundación Innovación Bankinter, la inteligencia artificial y el deep learning están revolucionando la farmacología, influyendo en todas las fases del proceso, desde el diseño hasta la previsión de propiedades. Sin embargo, cabe aclarar que el uso de la inteligencia artificial en medicina no tiene como fin último la sustitución del talento humano, sino ofrecer una herramienta de apoyo para liberarse de tareas automáticas.

De este modo, los investigadores pueden dedicar más tiempo a actividades de investigación creativa y exploratoria, dejando de lado las repetitivas. Las intuiciones y la inventiva de los humanos siguen siendo esenciales en el proceso de descubrimiento de nuevos fármacos y terapias y lo serán también en el futuro. Además, la intervención humana sigue siendo indispensable para la validación de los resultados obtenidos por la IA, un paso esencial para garantizar la fiabilidad y validez de las pruebas.