En medio del debate sobre la IA, entre los que animan a seguir progresando en su evolución y los que reclaman paralizarla, alertando la amenaza existencial, conviene poner ciertos hechos positivos encima de la mesa. Sabemos que la IA y el RWD (real world data) mejoran el desarrollo de medicamentos.
Hace unas semanas Kanoko Matsuyama publicaba en Forbes AI Drug Discovery Is a $50 Billion Opportunity for Big Pharma. El resumen corto es que la inteligencia artificial puede reducir años del proceso de desarrollo, y empresas como la japonesa Takeda están realizando grandes inversiones.
El descubrimiento de fármacos es largo y costoso.
Encontrar un posible medicamento de gran éxito suele llevar años de extensos análisis en el laboratorio, con equipos de investigadores que examinan metódicamente los datos y los resultados de las pruebas para descubrir un candidato prometedor. Pero cuando Takeda Pharmaceutical Co. de Japón compró un medicamento experimental para la psoriasis por $ 4 mil millones de una empresa emergente de Boston en febrero, obtuvo un compuesto seleccionado en solo seis meses mediante el uso de inteligencia artificial.
En los próximos meses, el fármaco, seleccionado entre miles de moléculas potenciales a través de algoritmos de aprendizaje automático e inteligencia artificial, avanzará a las etapas finales de los ensayos clínicos. Si tiene éxito, podría convertirse en una de las primeras terapias descubiertas con la ayuda de la IA. Los analistas de Jefferies estiman que podría generar hasta 500.000 millones de yenes (3.700 millones de dólares) en ventas anuales.
El impulso del fabricante de medicamentos japonés llega en un momento en que las compañías farmacéuticas de todo el mundo están adoptando la IA mediante acuerdos con nuevas empresas expertas en informática y agregando más científicos de datos propios. Su esperanza es reducir costos y acelerar el tiempo de comercialización. Morgan Stanley estima que, durante la próxima década, el uso de IA en el desarrollo de fármacos en etapa inicial podría traducirse en 50 terapias novedosas adicionales por un valor de más de $ 50 mil millones en ventas.
Las inversiones IA para pharma se triplican
La firma de investigación Deep Pharma Intelligence estima que las inversiones en empresas de descubrimiento de fármacos impulsadas por IA se han triplicado en los últimos cuatro años, alcanzando los 24.600 millones de dólares en 2022. En enero del año pasado, Sanofi acordó pagar a Exscientia Plc, con sede en el Reino Unido, 100 millones de dólares por adelantado, más los potencial de hasta $ 5.2 mil millones en pagos por hitos para investigar nuevos medicamentos y desarrollar hasta 15 candidatos en oncología e inmunología con el uso de sistemas de IA.
Bayer, Roche Holding y Takeda se encuentran entre las empresas que trabajan con Recursion Pharmaceuticals Inc. en Salt Lake City para explorar el descubrimiento de fármacos mediante el aprendizaje automático. Mientras tanto, AstraZeneca Plc formó una sociedad con BenevolentAI en el Reino Unido e Illumina Inc. en San Diego para esfuerzos similares.
“Cuando las empresas biofarmacéuticas aplican con éxito la IA en I+D, puede haber un impacto significativo”, dice Alex Devereson, socio de McKinsey & Co. que asesora a los fabricantes de medicamentos sobre análisis y procesos digitales. “En cinco años, esperamos que estos enfoques se integren más estructuralmente en los procesos de I+D de la industria farmacéutica y generen un mayor impacto a escala”.
Si bien la IA puede ayudar, los científicos todavía tienen que hacer mucho trabajo de campo tradicional después de elegir la molécula. El compuesto Takeda pasó a requerir años más de ensayos clínicos en humanos y otras pruebas. Y la IA tiene otras limitaciones. Por ejemplo, no puede predecir propiedades biológicas complejas, como la eficacia y los efectos secundarios de los compuestos.
Aún así, el uso de la tecnología para identificar las próximas terapias de gran éxito puede ayudar a eliminar algunas de las conjeturas que normalmente requieren cientos de experimentos de laboratorio, a menudo repartidos durante muchos años, para identificar moléculas prometedoras.
Big Pharma se tomó más en serio la inversión en IA y aprendizaje automático, o ML, después de 2018, cuando la unidad DeepMind de la empresa matriz de Google, Alphabet Inc., utilizó un programa de IA llamado AlphaFold para vencer a un biólogo en la predicción de la forma de las proteínas, el componente básico. de enfermedades Descubrir la forma de las proteínas, uno de los problemas más desconcertantes de la biología, ayuda a los cazadores de drogas a reducir las moléculas que podrían interactuar con ellas e identificar medicamentos para atacar enfermedades.
3.000 millones desarrollar un nuevo fármaco
Llevar un nuevo fármaco al mercado ha costado tradicionalmente casi 3.000 millones de dólares, y alrededor del 90 % de los medicamentos experimentales fracasan. Por lo tanto, la tecnología que acelera el proceso puede ser un gran impulsor de las ganancias. Determinar la estructura 3D de una proteína ahora toma segundos usando AlphaFold, en lugar de muchos meses o años, según Eric Topol, fundador y director del Scripps Research Translational Institute en California, citado en el sitio web de DeepMind.
El crecimiento en la adopción de IA por parte de las compañías farmacéuticas se aceleró por la pandemia de Covid-19, ya que la industria se apresuró a desarrollar armas para combatir un virus desconocido. Durante la pandemia, Pfizer Inc. recurrió a la IA para desarrollar la vacuna Covid Comirnaty, para lo cual se asoció con BioNTech SE. También amplió una asociación con el descubridor de fármacos de IA con sede en Shenzhen, China, XtalPi Inc. para acelerar la formulación química de la píldora Covid Paxlovid. Ambos fueron aprobados por la Administración de Drogas y Alimentos de los EE. UU. en menos de dos años, mucho más rápido que los 10 años que suele tardar la mayoría de los medicamentos en llegar al mercado. La velocidad también se vio favorecida por los reguladores que se apresuraron a llevar armas contra el covid al público.
El fármaco experimental de Takeda, comprado a Nimbus Therapeutics LLC, con sede en Boston, sería uno de los pocos tratamientos orales del mundo para la psoriasis, una afección de la piel que afecta a 125 millones de personas en todo el mundo. También tiene el potencial de tratar otras afecciones, como la enfermedad de Crohn. Los científicos que prueban los productos químicos en los vasos de precipitados necesitarían probar muchas moléculas, «un número imposible», dice. En lugar de generar decenas de miles de compuestos para resolver, las computadoras sugieren probar 10 compuestos en un laboratorio y luego obtener retroalimentación de los resultados del laboratorio. Las máquinas aprenden de esos resultados para hacer una mejor predicción para proporcionar los próximos cien candidatos para la prueba y, en última instancia, filtrar a una molécula, dice Keiper.
En estos días, más de 500 científicos cuantitativos y expertos en tecnología en los centros de investigación y desarrollo de Takeda, desde Boston hasta San Diego y Shonan en Japón, dedican sus días a procesar datos para encontrar, desarrollar y fabricar medicamentos innovadores. El fabricante de medicamentos utiliza AI y ML para identificar las mejores moléculas para atacar proteínas y comprender las características de las enfermedades y cómo varían en diferentes poblaciones de pacientes. Trabaja con MIT y varias nuevas empresas de IA.
“Cualquier tecnología que desbloquee habilidades de vanguardia para nuestros empleados, reduzca el trabajo manual, elimine la fricción del sistema y libere tiempo para una mayor comprensión y descubrimiento científicos es vital”, dice Anne Heatherington, directora del instituto de ciencia de datos de Takeda.
La IA ya es imprescindible para diseñar nuevos fármacos
Los rivales más grandes de Takeda también están recurriendo a la IA. Pfizer espera una asociación con AlphaFold de DeepMind para ayudar a la compañía a diseñar y validar objetivos terapéuticos altamente efectivos que antes eran desconocidos, dice Lidia Fonseca, directora de tecnología y digital de Pfizer. “Utilizamos potentes capacidades de supercomputación con inteligencia artificial y modelos de aprendizaje automático para reducir nuestros tiempos computacionales generales entre un 80 % y un 90 %, y eso realmente ayudó a acelerar Paxlovid”, dice Fonseca.
En todo el mundo, varios medicamentos potenciales que fueron identificados por nuevas empresas que utilizan IA ya se encuentran en ensayos en humanos. Incluyen cinco de Recursion Pharmaceuticals Inc. para enfermedades raras y oncología y tres de Exscientia para afecciones como el cáncer y la inflamación. Insilico Medicine, con sede en Hong Kong, tiene un candidato en fase intermedia de ensayos en humanos para tratar la forma más común de fibrosis pulmonar.
GSK Plc, con sede en el Reino Unido, cuenta con más de 160 expertos dedicados a IA y ML para apoyar su I+D y fabricación. También genera datos para construir y alimentar el cLos propios modelos de aprendizaje automático de la compañía para que todos los científicos puedan beneficiarse en última instancia de los datos que la compañía ha producido en el pasado, dice Kim Branson, quien ha sido directora de IA en GSK desde 2019.
China también está mirando hacia la IA para mejorar la competitividad global de sus fabricantes de medicamentos. XTalpi está financiado en parte por el gigante tecnológico chino Tencent Holdings Ltd., mientras que el director ejecutivo de Baidu Inc., Robin Li, fundó una empresa de descubrimiento de fármacos impulsada por IA llamada BioMap.
Branson de GSK dice que, si bien la IA es realmente buena para juntar datos de fuentes dispares, las cosas se complican cuando se usa para sistemas complejos. Para garantizar la seguridad, a menudo se necesitan experimentos de laboratorio, dice.
La amenaza del sesgo tecnológico
Además, los datos utilizados para crear algoritmos pueden contener sesgos que pueden reflejarse en las recomendaciones clínicas que generan, escribieron investigadores de la Universidad de Stanford en un estudio publicado en el New England Journal of Medicine en 2018. Los algoritmos también pueden sesgar los resultados, dependiendo de quién los desarrolla, hallaron los investigadores.
Eso no detiene el salto en las inversiones. Ha habido un aumento en los capitalistas de riesgo que solicitan evaluaciones de posibles compañías de descubrimiento de fármacos de IA en los últimos cinco años, dice Russ Altman, profesor de bioingeniería en Stanford, quien ha realizado la debida diligencia de nuevas empresas de biotecnología para capitalistas de riesgo durante décadas. “Pasó de cero a cien”, dice Altman. “No había hecho ninguna diligencia debida en las compañías farmacéuticas de IA en 30 años. Y ahora he hecho de seis a diez”.
Imagen de Colin Behrens en Pixabay