Inteligencia artificial para combatir superbacterias y epidemias

La inteligencia artificial está jugando un papel cada vez más importante en el diagnóstico de enfermedades, especialmente a través de pruebas de imagen que frecuentemente llegan a confundir un ojo humano poco entrenado. También pueden evitar brotes, detectar los signos más tempranos, antes de que lleguen a volverse incontrolables. Sin embargo, su potencial en todo lo relacionado con la salud no se queda ahí.

Son ya muchos los científicos que coinciden en que, en un futuro, un algoritmo bien capacitado podrán restaurar mucho tiempo al período necesario para determinar los mejores fármacos para el tratamiento de una enfermedad. En situaciones como la que está viviendo ahora, con motivo de la epidemia de coronavirus esa sería una gran noticia. Pero también lo que sería para resolver problemas mucho más antiguos, como el de las bacterias resistentes a antibióticos. De hecho, en este último, un equipo de científicos del Instituto Tecnológico de Massachusetts (MIT) ha hecho grandes avances, como esta semana en un comunicado publicado en su página web.

Inteligencia artificial contra superbacterias

El virus de las bacterias resistentes a antibióticos es un grave problema de salud pública, cada vez que termina con la vida de más personas en todo el mundo.

Si bien son de vital importancia las campañas de concienciación para promover el buen uso de estos fármacos y, con ello, evitar la medida de lo posible las resistencias, cada vez se hace más necesario un plan B, consistente en la búsqueda de nuevos bactericidas alternativos a los compuestos.

Son muchísimos los estudios dedicados a la búsqueda de principios activos con este potencial, pero a veces se hace complicado con todas las piezas del rompecabezas para dar con los que tienen problemas con el modo de antibióticos. Y es ahí donde los investigadores del MIT han recurrido a un algoritmo de inteligencia artificial capacitado para analizar las estructuras moleculares de un amplio abanico de compuestos químicos y correlacionarlas con propiedades concretas, como la habilidad de matar bacterias.

En el comunicado, los autores de esta investigación reconocen que no es la primera vez que se lleva a cabo el uso de modelos predictivos en sílice (el equivalente a en vitro cuando se hace referencia a pruebas en un ordenador, en vez de ensayos de laboratorio). Sin embargo, normalmente se dedican con frecuencia a la detección de ciertas estructuras o grupos químicos concretos, pero no iban más allá, prediciendo sus propiedades como en este caso.

Pudieron llegar a este punto después de capacitar el algoritmo con ayuda de 2.500 moléculas que incluyen 1.700 medicamentos aprobados por la FDA (la autoridad competente para la aprobación de alimentos y fármacos en Estados Unidos) y 800 productos naturales. De este modo, obtendrá lo que las redes neuronales “aprendió” a identificar la función de cada estructura.

Una vez finalizado el entrenamiento, probará a escanear una biblioteca de aproximadamente 6,000 compuestos con propiedades y fórmulas químicos muy diferentes. Entre ellos, el modelo detectado la halicina una sustancia con un gran poder bactericida, en base a los datos que previamente había documentado sobre estructuras químicas.

actuar como alternativa a los antibióticos. Para ello, probar sobre cultivos de bacterias resistentes, cultivos de pacientes humanos . Descubrieron que era capaz de combatirlas con una eficacia mucho mayor que la de los antibióticos, incluso en bacterias especialmente resistentes, como algunas cepas de Clostridium difficile, Acinetobacter baumannii y Mycobacterium tuberculosis . [19659002] También lo probaron en ratones infectados con Acinetobacter baumannii un patógeno oportunista, responsable de muchas de las infecciones del hospital que específicamente afectadas en personas inmunodeprimidas. De nuevo, los resultados fueron muy positivos.

Capacitación para frenar futuras epidemias

Si un algoritmo bien capacitado ha sido capaz de detectar entre 6.000 compuestos uno con la capacidad de reemplazo a los antibióticos específicos, aportando información suficiente sobre una epidemia vírica concreta también podría contribuir las armas para detenerla.

Esta es la convicción de muchos científicos que son afectados de que es demasiado tarde para intentarlo con el coronavirus de Wuhan pero que podría llevarse un cabo de cara al futuro.

Apenas unos días después de que saltaran las alarmas sobre el COVID-19, los científicos chinos ya habían llegado secuenciar su genoma . Ahora, casi dos meses después, los investigadores de todo el mundo han obtenido todo tipo de información sobre él, desde su tiempo de permanencia en superficies inanimadas, hasta la estructura de las proteínas a través de las células de sus hospedadores lo reconocieron y desencadenaron una respuesta inmunitaria.

Si todo esto se “enseña” un algoritmo bien diseñado, ¿por qué no podría ayudar a acortar los tiempos de búsqueda de nuevos tratamientos?

En esta premisa se basan empresas como Exscientia Ltd. o Healx dos compañías británicas cuyo objetivo ha sido recientemente publicado en un artículo de Bloomberg . En él, los responsables de las empresas explican cómo puede el conocimiento profundo de una enfermedad ayudar a detectar posibles fármacos y determinar qué podrían tener el idóneo .

Excientia, por ejemplo, ha utilizado ya su modelo de inteligencia artificial para detectar un compuesto para tratar el trastorno obsesivo compulsivo . El candidato seleccionado ha pasado de las fases iniciales de investigación a las pruebas de laboratorio en un tiempo récord, cinco veces más rápido que el promedio.

Por eso, según estos investigadores, sería posible que en futuras epidemias, como la del actual coronavirus también podría ayudar a encontrar las armas mucho antes. De momento no será posible, por lo que tendremos que conformarnos con el trabajo directo de los científicos; que, aun sin inteligencia artificial, están trabajando sorprendentemente rápido si se compara con las epidemias anteriores.