Artificial Intelligence Leads to Efficient Drug Development

A medida que la inteligencia artificial sigue desarrollando su complejidad, los investigadores han encontrado nuevas formas de aprovechar esa complejidad para mejorar la investigación de tratamientos para enfermedades y otras enfermedades crónicas que históricamente han sido difíciles de tratar. Estos avances indican la posibilidad de un cambio en la forma de desarrollar y probar los medicamentos en el futuro.

El problema concreto que se analiza en este caso es el enorme volumen de datos de que disponen los investigadores de medicamentos. A pesar de la cantidad de datos disponibles, la tasa de descubrimiento de fármacos satisfactorios es inferior a la de hace casi 40 años. En pocas palabras, los medicamentos que tienen éxito en los ensayos preclínicos tienden a fracasar durante las pruebas clínicas. La razón de este problema es sencilla: los ensayos preclínicos se basan en cosas como los ratones de laboratorio, que son muy similares genéticamente. En cambio, los participantes en los ensayos clínicos tienen mucha más variedad genética, lo que significa que un tratamiento que funciona bien en los ensayos preclínicos sigue teniendo muchas posibilidades de fracasar en los ensayos clínicos.

Un estudio publicado recientemente en la Facultad de Medicina de la Universidad de California en San Diego expone un enfoque diferente de los ensayos preclínicos que utiliza el aprendizaje automático para predecir mejor si un medicamento pasará o no los ensayos de la FDA. La metodología consiste en utilizar la inteligencia artificial para modelar la expresión génica de la enfermedad durante el inicio y a lo largo de su evolución, lo que permite al sistema predecir con mayor exactitud los resultados del tratamiento en una variedad mucho más amplia de pacientes. Básicamente, el sistema puede simular el uso de un determinado tipo de tratamiento en una amplia variedad de perfiles genéticos utilizando los datos existentes en lugar de tener que generar nuevos datos.

Este enfoque se denomina fase 0 y tiene el poder de ahorrar millones de dólares a los fabricantes de medicamentos. En lugar de partir de ensayos preclínicos, los efectos del tratamiento se pueden predecir mediante un modelo de la enfermedad generado a través del aprendizaje automático. Esto ofrece una perspectiva mucho mejor de cómo funcionará un tratamiento o medicamento en los ensayos clínicos. Esto, a su vez, significa que si un fármaco resulta menos eficaz cuando se ejecuta a través del modelo, los fabricantes pueden evitar gastar dinero en hacer ensayos preclínicos y clínicos. Ese dinero puede destinarse a posibles tratamientos con más posibilidades de ser eficaces para más pacientes.

Todavía hay que desarrollar los resultados del estudio de fase 0 a través de ensayos clínicos para verificar la eficacia, pero si se cumple la predicción de éxito, podría revolucionar la forma de desarrollar fármacos, sobre todo para las enfermedades crónicas.

Se puede encontrar más información sobre el estudio y la metodología en el enlace siguiente: https://www.worldpharmanews.com/research/5742-artificial-intelligence-could-be-new-blueprint-for-precision-drug-discovery