Integración de la inteligencia artificial (IA) en la fase de descubrimiento de fármacos de la I+D farmacéutica

La necesidad de velocidad

La pandemia de COVID-19 ha puesto de manifiesto la necesidad de acelerar los procesos de investigación y desarrollo (I+D) en el ámbito de las ciencias de la vida. En la actualidad, sacar un nuevo medicamento al mercado cuesta al menos 2.000 millones de dólares y puede llevar hasta 10 años, y la industria farmacéutica es demasiado consciente de que el descubrimiento de fármacos, los ensayos y el lanzamiento de terapias son demasiado complejos, costosos y lentos: Las enfermedades víricas potencialmente mortales, como el COVID-19 y el ébola, han aumentado la presión para cambiar esta situación.

Una de las grandes empresas farmacéuticas del mundo quería utilizar la ciencia de datos y la IA para mejorar la ruta de comercialización de nuevas terapias farmacológicas. Con todo el sector en plena transformación y en un entorno de mercado turbulento, la carrera por encontrar nuevos fármacos y nuevas indicaciones para los ya existentes estaba en marcha.

Con el fin de asegurarse de que tenía acceso a las herramientas adecuadas para crear valor en toda la cartera de la empresa y la tubería de desarrollo, el cliente farmacéutico recurrió a su asociación existente con Capgemini para acelerar su cambio hacia procesos de descubrimiento de fármacos más rápidos y más conectados con IA.

Avanzar en los descubrimientos

La fase de descubrimiento de fármacos implica trabajar para encontrar moléculas candidatas que sean eficaces en el tratamiento de una enfermedad, un proceso complejo en el que intervienen enormes cantidades de datos potenciales: el número de pequeñas moléculas candidatas disponibles para el diseño de fármacos es de hasta 10^60. La empresa farmacéutica colaboró con Capgemini para crear y aplicar nuevos métodos de aprendizaje automático con el fin de mejorar la «quimioinformática»: las técnicas computacionales y matemáticas que intervienen en el análisis de colecciones de moléculas y sus propiedades. Combinando una amplia experiencia en IA con un profundo conocimiento de la materia, fue posible aplicar técnicas de áreas aparentemente no relacionadas para resolver retos de I+D farmacéutica en el modelado computacional de fármacos.

Uno de esos proyectos consistió en aprovechar las redes neuronales que subyacen a los métodos más avanzados de traducción lingüística para ayudar a establecer nuevas moléculas con el potencial de tener las propiedades farmacológicas y la actividad biológica adecuadas. Trabajando juntos, la organización y Capgemini fueron capaces de aplicar técnicas de traducción lingüística para «traducir» el esquema de una molécula existente a una nueva con el fin de generar candidatas que se ajustaran a los requisitos. Este enfoque pionero utiliza técnicas de aprendizaje automático para guiar el diseño y perfeccionamiento de estas moléculas.

Un segundo proyecto se centró en la simplificación y aceleración del flujo de trabajo de investigación. Las interfaces incoherentes y los distintos requisitos de datos entre las numerosas herramientas diferentes para la simulación informática del espacio químico de las moléculas, y sus interacciones con las proteínas, pueden dificultar a la comunidad científica el uso y mantenimiento de las tecnologías asociadas. Para resolver este problema, la empresa farmacéutica y Capgemini crearon un sistema que combina todo el espectro de herramientas, para generar moléculas, hacer predicciones y diseñar experimentos. Esto permite a los investigadores combinar sus conocimientos científicos con las técnicas de IA sin necesidad de profundos conocimientos técnicos del propio sistema.

Un futuro inteligente

Estos son solo dos ejemplos de cómo la empresa farmacéutica y Capgemini han utilizado la IA para mejorar la eficiencia, abordar la complejidad e innovar más rápidamente para crear valor. Esto incluye no sólo la búsqueda de nuevas soluciones moleculares, sino también del potencial para adaptar fármacos existentes a nuevos usos. El uso de la IA para la modelización predictiva en las primeras fases del desarrollo de fármacos permite a los investigadores examinar más variaciones moleculares al tiempo que se acelera el establecimiento de prioridades. Y esto tiene el potencial de transformar el descubrimiento de fármacos: aumentando la eficacia de lo que se desarrolla y reduciendo los costes, el tiempo y las ineficiencias de todo el proceso. Con ello, la asociación demuestra que la IA proporciona un medio más eficaz y fiable de obtener más valor de datos complejos a escala.