Los antibióticos, cuyo descubrimiento ha salvado incontables vidas, son fundamentales en la medicina moderna. Sin embargo, nuestra lucha contra las bacterias está perdiendo terreno. A mediados del siglo pasado, los científicos descubrieron nuevas clases de antibióticos, pero desde entonces, la velocidad de los descubrimientos ha disminuido y la prevalencia de bacterias resistentes a los antibióticos ha aumentado.
Potencial de los algoritmos de aprendizaje automático en la medicina
Aunque es probable que existan antibióticos aún por descubrir, el «universo químico» es demasiado grande para que alguien pueda explorarlo por completo. En los últimos años, los científicos han recurrido a la Inteligencia Artificial (IA). Los algoritmos de aprendizaje automático pueden reducir el número de posibles configuraciones químicas a un puñado de candidatos prometedores para pruebas.
IA en la investigación de nuevos antibióticos
Hasta la fecha, los científicos han utilizado la IA para encontrar compuestos individuales con propiedades antibióticas. Sin embargo, en un estudio reciente publicado en Nature, los investigadores del MIT afirman que han desarrollado y probado un sistema que puede identificar nuevas clases de antibióticos y predecir cuales son probablemente seguros para las personas.
La IA examinó más de 12 millones de compuestos y encontró una clase inédita de antibióticos que resultó eficaz en ratones contra Staphylococcus aureus resistente a meticilina (SARM), una tensión letal de bacteria resistente a medicamentos.
A pesar de que estos antibióticos descubiertos por la IA todavía deben demostrar que son seguros y efectivos en humanos superando el riguroso proceso de pruebas clínicas, el equipo cree que su trabajo puede acelerar el descubrimiento en la etapa inicial y, con suerte, incrementar nuestra tasa de éxito general.
Explorando el espacio farmacéutico con IA
Los científicos están utilizando cada vez más la IA para acelerar el proceso de descubrimiento. Quizás el caso más famoso sea AlphaFold de DeepMind, un programa de aprendizaje automático que puede modelar las formas de las proteínas, los componentes básicos de nuestro cuerpo. La idea es que AlphaFold y sus descendientes pueden acelerar el arduo proceso de investigación de medicamentos.
Otras metodologías de IA también han demostrado ser prometedoras. Específicamente, un grupo del MIT ha estado centrando sus esfuerzos en el desarrollo de antibióticos completamente nuevos para combatir las superbacterias. Su primer estudio, publicado en 2020, demostró que el enfoque podría funcionar con el descubrimiento de halicina, un antibiótico previamente desconocido capaz de eliminar eficazmente E. coli resistente a medicamentos.
En un estudio de seguimiento de este año, el equipo se centró en Acinetobacter baumannii, «enemigo público número 1 para infecciones bacterianas resistentes a múltiples medicamentos», según palabras de Jonathan Stokes de la Universidad McMaster, autor principal del estudio. En apenas dos horas, la IA seleccionó sobre 6,680 compuestos, destacando unos cientos de candidatos prometedores que luego fueron probados por el equipo, destacando nueve candidatos, entre ellos el abaucin, altamente efectivo contra A. baumannii.
Entrenando a la IA para mejorar los resultados
A diferencia de sus trabajos anteriores, donde sólo se obtenían candidatos individuales sin información sobre por qué eran efectivos, en su último estudio el equipo del MIT apuntó a un adversario conocido, el SARM. Sin embargo, esta vez, enlazaron varios algoritmos en cadena para mejorar los resultados y dar más luz sobre el razonamiento de la IA.
El último «sabueso» antibiótico del equipo se entrenó sobre 39,000 compuestos, incluyendo su estructura química y capacidad para matar al SARM. También entrenaron modelos separados para predecir la toxicidad de un compuesto dado para las células humanas.
«Puedes representar prácticamente cualquier molécula como una estructura química, y también indicar al modelo si esa estructura química es antibacteriana o no», comentó Felix Wong, postdoctorado de IMES y del Broad Institute del MIT y Harvard. «El modelo se entrena en muchos ejemplos como estos. Si luego le das cualquier nueva molécula, una nueva disposición de átomos y enlaces, te puede proporcionar una probabilidad de que ese compuesto sea antibacteriano».
Una vez completada esta fase, el equipo introdujo más de 12 millones de compuestos en el sistema. La IA redujo esta enorme lista a alrededor de 3,600 compuestos organizados en cinco clases, según su estructura, y que se preveía tuvieran cierta actividad contra el SARM y fueran mínimamente tóxicos para las células humanas. Finalmente el equipo seleccionó una lista final de 283 candidatos para ser sometidos a pruebas.
De éstos, encontraron dos de la misma clase, o sea, que tenían componentes estructurales similares que se creía que contribuían a la actividad antimicrobiana, que eran bastante efectivos. En los ratones, los antibióticos lucharon tanto contra una infección de la piel como una infección sistémica al eliminar el 90% de las bacterias SARM presentes.
IA explicada para un mayor rendimiento en la investigación de antibióticos
Haciendo que su IA fuera explicable, el equipo espera poder determinar las estructuras que podrían informar las búsquedas futuras o contribuir al diseño de antibióticos más efectivos en el laboratorio.
Desafíos futuros en la investigación de nuevos antibióticos
Vale la pena recordar que a pesar de que parece que los nuevos antibióticos fueron efectivos en ratones en una escala muy pequeña, aún queda un largo camino por recorrer antes de que te los prescriban.
Los nuevos medicamentos se someten a rigurosas pruebas y ensayos clínicos, y muchos, incluso los candidatos prometedores, no superan estas pruebas. El campo de la investigación de medicamentos asistida por IA, en general, todavía está en las primeras etapas en este sentido. Los primeros medicamentos diseñados por IA están ahora en ensayos clínicos, pero aún ninguno ha sido aprobado.
Aún así, la esperanza es poder llenar rápidamente la tubería con mejores candidatos.
Acelerando el descubrimiento de nuevos antibióticos con la IA
Puede llevar de tres a seis años descubrir un nuevo antibiótico que sea adecuado para ensayos clínicos, según César de la Fuente de la Universidad de Pennsylvania, cuyo laboratorio está realizando un trabajo similar. Luego están los propios ensayos. Con la resistencia a los antibióticos en aumento, es posible que no tengamos tanto tiempo, sin mencionar el hecho de que los antibióticos no tienen el retorno de la inversión que tienen otros medicamentos. Por lo tanto, cualquier ayuda es bienvenida.
«Ahora, gracias a las máquinas, hemos podido acelerar [la cronología]», dice de la Fuente. «En mi propio trabajo y el de mis colegas, por ejemplo, podemos descubrir en cuestión de horas miles o cientos de miles de candidatos preclínicos, en lugar de tener que esperar de tres a seis años. Creo que la IA en general ha permitido eso».
IA y la lucha contra las bacterias
Aunque todavía es temprano, si los antibióticos descubiertos por la IA se demuestran dignos en los próximos años, es posible que podamos mantener la ventaja en nuestra larga batalla contra las bacterias.
Crédito de la imagen: Un glóbulo blanco humano ingiere la SARM (púrpura) / Instituto Nacional de Alergias y Enfermedades Infecciosas, Institutos Nacionales de Salud
LEE MÁS ARTÍCULOS SOBRE: Salud con IA.
LEE LA ENTRADA ANTERIOR: UHC acusado de usar IA para eludir órdenes médicas y negar reclamaciones.