Una IA busca nuevos antibióticos entre los fármacos que ya existen

Un sistema de inteligencia artificial ha rastreado 6.747 medicamentos y encontrado 11 candidatos capaces de combatir al neumococo, nueve de ellos con actividad antibacteriana en laboratorio

De acuerdo con la Organización Mundial de la Salud (OMS), se trata de uno de los problemas más importantes a los que se enfrenta la sanidad mundial. A partir del año 2050 se cobrará la vida de 10 millones de personas anualmente y su coste en la economía global será altísimo si no logramos cambiar los pronósticos. A esto hay que sumarle que la resistencia a los antibióticos tiene una paradoja peligrosa: mientras las bacterias aprenden a esquivarlos en “poco tiempo”, descubrir y desarrollar nuevos medicamentos requiere años de investigación. Una alternativa consiste en mirar de otra manera los fármacos que ya existen. Quizá entre ellos haya alguno que, además de aquello para lo que fue diseñado, esconda una segunda utilidad.
Eso es precisamente lo que han hecho científicos del Imperial College London con ayuda de inteligencia artificial. El objetivo era Streptococcus pneumoniae, una bacteria responsable de infecciones tan frecuentes como la neumonía y la otitis, pero también de enfermedades graves como la meningitis y la bacteriemia. El problema es que algunas cepas han desarrollado resistencia frente a varios antibióticos, hasta el punto de que la Organización Mundial de la Salud incluye a esta especie entre sus prioridades para el desarrollo de nuevos tratamientos.

La estrategia se conoce como reposicionamiento de fármacos: en lugar de descubrir una molécula desde cero, se busca una nueva aplicación para un medicamento que ya ha sido estudiado. Esto puede ahorrar tiempo y recursos y, en principio, permite partir de compuestos cuyo perfil de seguridad ya se conoce. Pero encontrar esas nuevas propiedades entre miles de moléculas sigue siendo una tarea enorme. Ahí entra la inteligencia artificial.
En un estudio publicado en Sciences Advances, los autores, liderados por Pedro Ballester, construyeron un conjunto de datos con 1.849 moléculas que ya habían demostrado actividad frente al neumococo y 34.503 que no la presentaban. Con ellos entrenaron tres tipos diferentes de modelos: conjuntos de árboles de decisión, redes neuronales que analizan las moléculas como estructuras conectadas y modelos transformer, una arquitectura de IA previamente entrenada con cientos de millones de moléculas. Después utilizaron los tres sistemas conjuntamente para examinar una biblioteca de 6.747 medicamentos y buscar candidatos que pudieran frenar a la bacteria.

La máquina redujo esa enorme lista a 11 candidatos. Y entonces llegó la parte que ninguna inteligencia artificial puede sustituir: el laboratorio. El equipo de Ballester comprobó experimentalmente si los compuestos seleccionados eran realmente capaces de impedir el crecimiento de S. pneumoniae. Nueve de ellos lo hicieron con una potencia considerable, con concentraciones inhibitorias medias de 0,4 microgramos por mililitro o inferiores. Y, entre ellas, dos moléculas destacaron especialmente: tiostreptón y ceftiofur. La primera alcanzó una concentración inhibitoria de apenas 0,0001 microgramos por mililitro y la segunda de 0,0004. Además, el tiostreptón mantuvo una elevada actividad frente a cepas del neumococo resistentes a múltiples fármacos.

Eso no significa que estos medicamentos puedan empezar a utilizarse mañana contra la neumonía. Los resultados corresponden a experimentos realizados en laboratorio y todavía habría que determinar, entre otras cuestiones, si las concentraciones necesarias pueden alcanzarse de forma segura en el organismo y si el balance entre eficacia y toxicidad permite utilizarlos clínicamente. El hallazgo es, por ahora, una señal para continuar investigándolos.

La novedad está también en la forma de buscar. El equipo de Ballester no pidió a la IA que encontrara una molécula completamente nueva, sino que aprendiera de experimentos anteriores qué estructuras estaban asociadas con el efecto antibacteriano y utilizara ese conocimiento para encontrar posibilidades ocultas entre medicamentos existentes. Y combinaron tres aproximaciones distintas porque cada una puede capturar características diferentes de las moléculas.
“La reutilización de fármacos guiada por IA se ha convertido en una estrategia poderosa para combatir la resistencia antimicrobiana, en particular para patógenos para los que ya se conocen algunas moléculas activas y que pueden utilizarse como conjunto de datos de entrenamiento o ajuste fino”, concluye Ballester.

Este tipo de avance resulta especialmente útil cuando ya se conocen algunas moléculas activas contra un patógeno, porque esos datos pueden utilizarse para entrenar o ajustar los modelos de inteligencia artificial. En un campo donde cada nuevo tratamiento eficaz puede convertirse en una herramienta para ganar tiempo frente a bacterias resistentes, esa combinación de memoria química y experimentación podría abrir una vía inesperada: en ocasiones, el próximo antibiótico no tendrá que ser inventado. Tal vez solo tengamos que descubrir para qué más sirve uno que ya existe.

_{Fuente larazon.es}