Impacto de la IA en el proceso de descubrimiento y desarrollo de fármacos

23 octubre 2024

El desarrollo de fármacos es un proceso largo y costoso, con altas tasas de fracaso. La inteligencia artificial (IA) ha surgido como una herramienta prometedora para acelerar este proceso, optimizar la selección de compuestos y reducir los costes.

23 octubre 2024

El descubrimiento y desarrollo de fármacos es un proceso largo y costoso que implica la colaboración de diversas disciplinas, como la química, la biología y la ingeniería. Tradicionalmente, pueden transcurrir entre 12 años y 15 años desde la investigación inicial hasta el lanzamiento de un medicamento al mercado, y supone un coste de entre 2 y 3 mil millones de dólares, presentando además una alta tasa de fracasos: nueve de cada diez moléculas terapéuticas no superan la etapa de ensayos clínicos ni la aprobación regulatoria.

En este contexto, la inteligencia artificial (IA) ha emergido como una herramienta prometedora no sólo para acelerar las diferentes etapas del desarrollo de fármacos sino también para optimizar la selección de compuestos y reducir sus costos.

Intervención de la IA en las fases clave del descubrimiento de fármacos

El proceso tradicional de desarrollo de fármacos implica ciertas etapas principales que incluyen el descubrimiento de dianas, la identificación de compuestos líderes que actúan sobre esas dianas y la expansión y optimización de dichos compuestos.

Mediante algoritmos avanzados de aprendizaje automático (Medical Machine Learning, MML) y aprendizaje profundo (Deep Learning, DL) que involucra redes neuronales artificiales (ANN), la IA tiene la capacidad de prever la interacción de ciertas moléculas en el organismo, detectar nuevos compuestos con posibles propiedades terapéuticas y perfeccionar las estructuras moleculares para aumentar su efectividad y disminuir los efectos adversos.

Así, la IA puede intervenir en las diferentes etapas del proceso de descubrimiento de fármacos de forma concreta mediante:

  1. La identificación de dianas: Los algoritmos de IA permiten procesar y analizar cantidades masivas de datos biológicos para identificar proteínas, genes o enzimas que podrían ser objetivos terapéuticos.
  2. La realización de simulaciones moleculares: Las herramientas de IA permiten realizar simulaciones moleculares de alta precisión, lo que reduce la necesidad de pruebas físicas en laboratorios, ahorrando tiempo y costes.
  3. La predicción de propiedades de fármacos: La IA predice características como toxicidad, bioactividad y solubilidad de las moléculas, facilitando la selección de compuestos prometedores. El diseño de nuevos fármacos: La IA puede diseñar moléculas de fármacos desde cero (de novo), generando candidatos innovadores.
  4. La priorización de candidatos: Después de identificar posibles moléculas, la IA clasifica y prioriza las más prometedoras para continuar con su desarrollo.
  5. La generación de vías de síntesis: Una vez identificado un compuesto, la IA puede sugerir rutas de síntesis optimizadas para su fabricación a gran escala.

Además, la IA puede ayudar en la personalización de tratamientos, ajustando las terapias a las características individuales de los pacientes, lo que se traduce en una medicina más precisa y efectiva. Esto es particularmente relevante en enfermedades complejas como el cáncer, donde la heterogeneidad de los tumores hace que los tratamientos estándar no siempre sean efectivos para todos los pacientes.

Impacto de la IA en el tiempo y costes del proceso de descubrimiento de fármacos

Con el fin de disminuir tanto los costes como los riesgos de fracaso asociados al desarrollo de nuevos medicamentos, las empresas farmacéuticas están adoptando cada vez más tecnologías basadas en IA.

En la última década ha habido un aumento en el mercado de la IA de 200 millones, en 2015, a 700 millones de dólares, en 2018, y se espera que aumente a 5 mil millones en 2024 (Paul D, et al. Artificial intelligence in drug discovery and development. Drug Discov Today. 2021 Jan;26(1):80-93).

El crecimiento proyectado del 40% de 2017 a 2024 indica que la IA probablemente revolucionará los sectores farmacéutico y médico.

Compañías farmacéuticas como Exscientia e Insilico Medicine ya han demostrado que la IA puede reducir el tiempo necesario para llevar un medicamento desde la fase de descubrimiento hasta los ensayos clínicos.

En lugar de los 4 a 5 años típicos de duración de la etapa preclínica, estas compañías han logrado reducir este periodo a menos de 18 meses. Esto ha llevado a una disminución significativa en los costes preclínicos, pasando de 50 millones de dólares a entre 5 y 10 millones.

Por su parte, Lantern Pharma, una empresa de inteligencia artificial (IA) que desarrolla terapias contra el cáncer, anunció en marzo de este año la administración de las primeras dosis a pacientes en el primer ensayo clínico en humanos del fármaco candidato LP-284, obtenido mediante su plataforma patentada de IA y aprendizaje automático (ML), RADR®.

Desde la compañía informan que, gracias al empleo de la IA, han podido acelerar su recorrido hasta el primer ensayo clínico en humanos de una manera altamente eficiente y rentable (menos de 3 años y menos de 3 millones de dólares), lo que subraya el poder y el potencial de las plataformas de IA para acelerar el descubrimiento y desarrollo de fármacos oncológicos.

Otro hito importante alcanzado por la IA en el proceso del descubrimiento de fármacos ha sido el lanzamiento, en mayo de este año, de AlphaFold 3, un modelo de IA desarrollado por Google DeepMind y la compañía Isomorphic Labs.

Esta herramienta, la tercera versión del modelo de predicción de la estructura de las proteínas, que debutó por primera vez en 2018, modela no solo las estructuras 3D de las proteínas, sino también cómo esas estructuras interactúan con otras biomoléculas, incluido el ADN y el ARN, con una precisión sin precedentes y a una velocidad inusitada. Esta herramienta, gratuita en sus principales aplicaciones para la comunidad científica, promete acelerar el desarrollo de fármacos más eficaces e impulsar la investigación genómica.

Desafíos en el uso de la IA en el desarrollo de fármacos

En base a estos y otros hitos, el uso de la IA en el desarrollo de fármacos ha generado mucho entusiasmo y ha demostrado un gran potencial, pero también está enfrentando desafíos y problemas reales.

El éxito de la IA en este campo se basa en el acceso a grandes volúmenes de datos, ya que estos son fundamentales para entrenar los algoritmos y obtener predicciones precisas. El acceso a las bases de datos de diferentes proveedores puede suponer costes adicionales para una empresa.

Además, los datos deben ser fiables. Si los datos están incompletos, son de baja calidad o tienen sesgos, los resultados producidos por la IA pueden ser inexactos o erróneos, lo que puede llevar a resultados de tratamiento ineficaces o incluso peligrosos.

Además, los modelos de IA, especialmente los basados en redes neuronales, a menudo son considerados “cajas negras” porque sus procesos internos son difíciles de interpretar. Esto puede ser problemático en el desarrollo de fármacos, donde es crucial entender cómo y por qué se toman ciertas decisiones.

La falta de interpretabilidad puede dificultar la validación de los resultados y la confianza en los hallazgos de la IA, tanto para los científicos como para los reguladores.

En relación con esto último, el marco regulatorio actual no está completamente preparado para evaluar y aprobar medicamentos desarrollados con la ayuda de IA. Las agencias reguladoras, como la FDA en Estados Unidos, están trabajando para adaptar sus procesos, pero aún existen incertidumbres sobre cómo deben evaluarse los modelos de IA y los resultados que producen. Esto puede ralentizar el proceso de aprobación y la entrada de nuevos medicamentos en el mercado.

Además, otro de los obstáculos que dificulta la adopción total de la IA en la industria farmacéutica es la escasez de profesionales capacitados para manejar estas plataformas, así como el miedo a la automatización y la consecuente pérdida de empleos. A este respecto, es obvio que la automatización de ciertas tareas en el proceso de descubrimiento de fármacos se conseguirá con el tiempo gracias a la IA, pero la intervención humana parece imprescindible para la implementación, el desarrollo y el funcionamiento exitoso de estas plataformas.

La IA estaría asumiendo trabajos repetitivos, que implican mucho tiempo y dedicación, dejando espacio a la inteligencia humana para desarrollar ideas más complejas y creativas. Así, parece necesario formar científicos especialistas en análisis de datos (Data scientists) e ingenieros de software con un conocimiento sólido de la tecnología de IA, y con una comprensión clara del objetivo de I+D, para aprovechar todo el potencial de la plataforma de IA.

Patentes e IA

Para las compañías farmacéuticas es fundamental optimizar el proceso de descubrimiento de medicamentos para maximizar su vida útil antes de que expiren las patentes.

Por eso, a pesar de los desafíos que plantea, son muchas las que ya han adoptado la IA en sus procesos de descubrimiento de fármacos, generando unos ingresos de 2.199 millones de dólares en 2022 gracias a las soluciones basadas en IA, con una inversión que superó los 7.200 millones de dólares en más de 300 acuerdos entre 2013 y 2018 [Research and Markets. Research and Markets; 2019. Global Growth Insight – Role of AI in the Pharmaceutical Industry 2018-2022: Exploring Key Investment Trends, Companies-to-Action, and Growth Opportunities for AI in the Pharmaceutical Industry.].

Esta adopción progresiva de la IA en el sector farmacéutico se ha visto reflejado en el aumento sólido y creciente de las patentes relacionadas con IA y MML. En 2021, se otorgaron más de 700 patentes con reivindicaciones dirigidas a aplicaciones médicas de IA/MML.

Sin embargo, un informe de Nature Biotechnology publicado en 2023 (Aboy, M., et al. Mapping the patent landscape of medical machine learning. Nat Biotechnol 41, 461–468) señala que el entusiasmo alrededor de estas tecnologías no siempre se refleja en la realidad de las patentes en el campo de la biomedicina.

En dicho artículo se analizan datos de patentes de los últimos 20 años en Estados Unidos y Europa, encontrando que el número de patentes sobre IA en diagnósticos médicos o métodos de tratamiento no es tan alto como algunos podrían pensar.

En concreto, en el informe se destaca que:

  • A pesar del uso creciente de la IA en el campo de la biomedicina, no hay muchas patentes que se enfoquen en diagnósticos completamente automatizados por IA.
  • Incluso sumando diagnósticos semi-automáticos y asistidos por IA, estos solo representan alrededor del 5% de las patentes en ML.
  • La mayoría de las patentes se centran en tareas más simples, como medir y analizar datos (27%), o en tareas intermedias como detectar y clasificar problemas de salud (36%).
  • Un 26% de las patentes están más orientadas a mejorar las tecnologías que se usan, como dispositivos médicos o herramientas de software.
  • Sólo el 12% de las patentes se relacionan con diagnósticos, seguimiento de pronósticos o tratamientos.

Así, las grandes corporaciones activas en el campo de los dispositivos y la tecnología médica, como Siemens, Philips, GE e IBM, y las compañías de tecnología médica como Microsoft y Google, se encuentran entre los principales propietarios de patentes de ML, apareciendo universidades, como la Universidad de California, la Universidad Case Western y la Universidad de Stanford, como las principales cesionarias de estas patentes.

Por otra parte, la generación de nuevas moléculas y tratamientos mediante algoritmos de IA puede complicar el proceso de protección. Por un lado, las empresas pueden patentar los algoritmos y modelos de IA utilizados, así como las nuevas moléculas descubiertas a través de estos métodos. Sin embargo, surge la cuestión de quién posee los derechos sobre una invención cuando es parcialmente atribuible a una máquina.

Tanto la Oficina Europea de Patentes (EPO) como la Oficina de Patentes y Marcas de Estados Unidos (USPTO) requieren que los inventores y titulares de patentes sean personas físicas o entidades legales reconocidas. La IA, al no tener personalidad jurídica ni la capacidad de asumir responsabilidades legales, no puede ser aceptada como titular o inventor en las solicitudes de patentes. Las decisiones en casos como el de DABUS refuerzan esta posición, estableciendo un precedente claro de que solo los humanos pueden ser reconocidos como inventores y titulares de patentes.

Otro obstáculo con el que se encuentra la IA en el campo de la propiedad industrial es que, como se indicaba anteriormente, los sistemas actuales de IA en gran medida operan como una “caja negra”, en la que los algoritmos son muchas veces solo parcialmente comprensibles para los humanos. Esta falta de transparencia se opone a uno de los principios básico del sistema de patentes, que establece que cualquier experto debe ser capaz de comprender y reproducir la patente publicada.

En cualquier caso, aun si tuviéramos acceso a esos algoritmos, las leyes de patentes podrían no adaptarse a este tipo de invenciones. Es conocido que fórmulas, procesos matemáticos, mentales y métodos de negocio no son patentables. Esto incluye técnicas computacionales ampliamente usadas en química, como el acoplamiento molecular o la modelización de la relación cuantitativa estructura-actividad. Sin embargo, muchas invenciones que incorporan IA operan como el software.

Así, en el caso de la EPO, las invenciones que aplican IA y MML se examinan bajo el capítulo G-II, 3.3.1 de la versión más reciente de las “Directrices para el Examen en la EPO” (noviembre de 2022), donde parecen seguirse las pautas de las invenciones informáticas o patentes de software, es decir, que para que una invención que involucre IA puede ser patentable debe producir un efecto técnico.

La clave, por tanto, estaría en cómo se aplica la IA a una situación técnica concreta. Si el uso de IA mejora una tecnología específica (como reconocimiento de imágenes médicas o el control de un robot), entonces esa aplicación concreta de la IA podría ser patentable.

Por su parte, la USPTO publicó, el 12 de febrero de este año, su “Guía de invención para invenciones asistidas por IA” donde el enfoque planteado no es exactamente el mismo que en la EPO.

La guía explica que el uso de una herramienta de IA, por sí solo, no hace que una invención no sea patentable. Pero las invenciones requieren una “contribución significativa” por parte de un humano, no simplemente la implementación mecánica de un descubrimiento habilitado por IA.

La guía proporciona varios ejemplos que se centran en el papel del ser humano en el proceso inventivo. Entre esos roles que podrían respaldar la patentabilidad se incluyen el de impulsar un modelo generativo para obtener una solución particular a un problema, el de entrenar una herramienta de IA para que responda una pregunta o el de diseñar un experimento basado en un resultado de IA.

Conclusiones y perspectivas

El sector de la salud actual se enfrenta a desafíos complejos, como el aumento del coste de los medicamentos y las terapias, y la sociedad necesita cambios significativos específicos y urgentes en este área.

Si bien la implementación de estas tecnologías aún se enfrenta a obstáculos significativos, como la calidad de los datos y las regulaciones legales, la IA ya está impactando positivamente en el sector farmacéutico, promoviendo la creación de nuevos enfoques empresariales.

Aunque todavía no hay medicamentos en el mercado desarrollados íntegramente mediante IA, las proyecciones indican que esta tecnología será un componente esencial en el futuro de la industria farmacéutica. Por eso es importante trabajar en la elaboración de un marco regulatorio y legal seguro, que garantice, por una parte, la seguridad y eficacia de los medicamentos obtenidos y, por otro, la protección adecuada de las innovaciones asistidas por IA.

4.6/5 - (18 votos)

H&A CUMPLE 40 AÑOS

Defendiendo el valor de lo intangible, aquello que nos hace únicos.

Cristina Sendín

Bióloga

Contenidos relacionados

Más en propiedad industrial e intelectual

Comentarios

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Responsable del tratamiento: HERRERO & ASOCIADOS, S.L.

Finalidad del tratamiento: Publicar su comentario sobre la noticia indicada.

Derechos de los interesados: Puede ejercer los derechos de acceso, rectificación, supresión, oposición, portabilidad y limitación del tratamiento, mediante un escrito, acompañado de copia de documento que le identifique dirigiéndose al correo dpo@herrero.es.

Para más información visita nuestra Política de Privacidad.

*Los campos marcados con el asterisco son obligatorios. En caso de no cumplimentarlos no podremos contestar tu consulta.

No hay comentarios