Nuevas tecnologías aplicadas a la farmacología

Nuevas tecnologías aplicadas a la farmacología

4 julio, 2024

La industria farmacéutica invierte grandes cantidades en desarrollar medicamentos, motivo por el que es importante poder tener la certeza de que los pacientes van a responder a los tratamientos.

El proceso completo de desarrollar un nuevo medicamento puede durar hasta unos 12 años y costar entre 1.9 y 3.2 mil millones de dólares según un informe publicado en DiMasi et al, Journal of Health Economics, January 2016.

En dicho proceso se realizan procedimentos muy complejos y se emplea una gran cantidad de datos. Además, y pese a ese esfuerzo, la probabilidad de que un fármaco pase todos los ensayos es inferior al 12%, según fuentes del CSIC.

Por estos motivos, la industria farmacéutica hace tiempo que ha visto las ventajas de recurrir a la computación y la Inteligencia Artificia (IA).

Pese a todo, si el fármaco no mejora la situación del paciente, tanto esfuerzo no habrá merecido la pena. Por este motivo, en años recientes se ha integrado al proceso de diseño de fármacos modelos computacionales y modelos de IA. Llegar hasta este punto no ha sido fácil ya que ha habido que probar diferentes aplicaciones de IA en el diseño y desarrollo de fármacos y recurrir a diferente conceptos y enfoques computacionales involucrados, analizando las posibilidades y limitaciones del diseño de fármacos utilizando IA en conjunto con su uso racional.

Diferenten usos

La IA ha tenido usos muy diversos en sus comienzos. Se ha empleado en la predicción de la estructura tridimensional de proteínas y también ha ayudado a sugerir un gran número de compuestos similares a fármacos para ensayar su actividad.

El papel de la IA en la predicción de propiedades relacionadas con la absorción o metabolismo ha sido parte importante en la toma de decisiones, ya que facilita la selección de compuestos para su síntesis y evaluación biológica y a la larga ha servido para saber si un tratamiento va a ser efectivo o no en un paciente.

También ha sido útil su uso para analizar y procesar grandes cantidades de datos y automatizar tareas repetitivas y optimizar procesos.

Finalmente, prorcionan un conjunto de herramientas y algoritmos bien establecidos que permiten crear modelos que se entrenan usando una gran cantidad de datos para realizar predicciones y ofrecer soluciones a problemas específicos. Según la tarea que se quiera efectuar y los datos disponibles, será más adecuado trabajar con un algoritmo u otro, o eventualmente combinaciones de ellos. No obstante, es importante tener en mente que, el aprendizaje automático puede usar los datos de varias maneras diferentes para obtener información significativa.

En definitiva, se trata de integrar la parte racional y la parte ética en el uso de las tecnologías y, en concreto, la Inteligencia Artificial, y evitar tener que enfrentar dilemas éticos.