En el plazo de un año a lo sumo entrarán en ensayos clínicos los primeros medicamentos diseñados mediante inteligencia artificial, según el premio Nobel de Química Demis Hassabis, quien asegura que todas las grandes áreas terapéuticas, incluidas la oncología y las enfermedades neurodegenerativas y cardiovasculares, se van a beneficiar de esta tecnología.

En el plazo de un año a lo sumo entrarán en ensayos clínicos los primeros medicamentos diseñados mediante inteligencia artificial, según el premio Nobel de Química Demis Hassabis, quien asegura que todas las grandes áreas terapéuticas, incluidas la oncología y las enfermedades neurodegenerativas y cardiovasculares, se van a beneficiar de esta tecnología.

Hassabis participó esta semana en la reunión anual del Foro Económico Mundial (WEF) en Davos, donde se mostró convencido de que, gracias a la IA, la medicina se encuentra a las puertas de una revolución inimaginable.

«Creo que tendremos, dentro de un año más o menos, los primeros medicamentos diseñados por IA en ensayos clínicos», aseguró durante una charla pública con el célebre presentador y educador científico Bill Nye, organizada por la tecnológica Google con motivo de la cumbre de Davos.

Hassabis recibió en octubre pasado el premio Nobel de Química, junto a su colega en ‘Google DeepMind’ en Londres John Jumper, y al bioquímico David Baker, por el desarrollo de una herramienta de IA, bautizada AlphaFold AI, que predice la estructuras tridimensionales de las proteínas.

«Me interesé por primera vez en el plegamiento de proteínas, y en determinar la estructura 3D, cuando era estudiante. Este problema fue uno de los grandes desafíos en biología en la década de los 70 para el siguiente medio siglo», recuerda Hassabis. «AlphaFold ha sido la respuesta a ese desafío. Me encontré con él por primera vez cuando era estudiante en Cambridge, y lo he tenido en el fondo de mi mente durante casi treinta años».

Normalmente, explica, sólo se secuencia genéticamente la proteína, pero luego «constituye un verdadero reto pasar de imaginar una cadena unidimensional de secuencia genética a esa exquisita estructura 3D de la proteína, y eso es importante, porque la estructura 3D te dice lo que hace la proteína, cómo reacciona.»

El problema es que las configuraciones espaciales que, teóricamente, puede adoptar una proteína son innumerables. Hassabis lo compara con el juego de mesa ‘go’, «el más complejo que la humanidad ha inventado jamás, pues tiene un número de posiciones de tablero igual a 10 elevado a la potencia 170».

«Estos son problemas totalmente intratables, si los intentas resolver mediante la fuerza bruta. Tienen muchas más posibilidades que átomos hay en el universo. Si quisieras enumerar cada una de ellas, llevaría mucho más tiempo que la edad del universo. Así que no hay forma de que se pueda solucionar eso solo por la fuerza bruta, examinando todas las opciones».

Es ahí, añade, donde interviene la IA, para hacer una búsqueda inteligente, de manera que sólo haya que comprobar una fracción limitada de opciones.

Por alguna razón, las proteínas ‘saben’ cómo replegarse en un tiempo mínimo sólo en determinadas configuraciones dentro de nuestro organismo para desempeñar las funciones para las que están programadas.

«Se llamó la paradoja de Levinthal, porque lo que él señaló fue que hay de 10 elevado a 300 posibilidades, y sin embargo, de alguna manera, en la naturaleza, en nuestros cuerpos, estas proteínas se pliegan instantáneamente en milisegundos. Así que, la física y la naturaleza resuelven este problema (de cómo replegarse correctamente) en una cantidad de tiempo manejable», explica Hassabis.

«No es que cada una de estas 10 elevado a 300 posibilidades sean igualmente probables. En realidad, hay mucho más que necesitamos aprender y que guía el proceso de manera muy eficiente (…) Y resulta que podemos imitar ese proceso físico, con IA y con AlphaFold».

«Así que lo que se puede pensar de AlphaFold es que aprende de las aproximadamente 150.000 estructuras que se conocen, y que se han encontrado minuciosamente a través de experimentos durante los últimos 50 años, y luego esas 150.000 son suficientes para enseñar al sistema cuáles son los tipos de patrones y estructuras que toman las proteínas. De modo que cuando se le presenta una nueva proteína que nunca ha visto antes, tiene una idea de qué buscar».

Una de las hipótesis sobre las causas de la enfermedad de Alzheimer, recuerda, es que ciertas proteínas, las beta-amiloides, se están plegando mal, se pliegan de manera incorrecta y luego se agrupan alrededor de las neuronas y las matan. «AlphaFold puede predecir cuál debería ser la estructura correcta y, potencialmente, qué sucede cuando sale mal. Si se tiene la estructura de la proteína en 3D, se pueden diseñar compuestos farmacológicos, que son compuestos químicos que se unen a la parte correcta de la proteína».

Hassabis confirmó que la herramienta inventada es de código abierto y que los 200 millones de estructuras predichas de todas las proteínas existentes están a disposición de toda la comunidad de investigación académica y farmacéutica para que las utilicen.

«Hoy en día, más de 2,5 millones de investigadores de todo el mundo la han utilizado. Creemos que son casi todos los biólogos del mundo», comentó.

Tambien te puede interesar: Módulo privado Blue Ghost envía impresionantes imágenes de la Tierra

EFE

SG