La inteligencia artificial, aliada inesperada contra las superbacterias y el descubrimiento de antibióticos

La inteligencia artificial ha llegado a nuestras vidas para quedarse, y lo está revolucionando todo. La utilizamos para múltiples cosas en nuestro día a día: desde planificar un viaje, realizar tareas rápidas o, en algunos casos, hasta para desahogarse emocionalmente. Pero hay mucho más allá. La IA se está utilizando en muchos ámbitos, trayendo grandes avances en materia de ciencia y sanidad, entre otros.

Uno de los últimos descubrimientos ha sido la creación de posibles nuevos fármacos contra las llamadas superbacterias, infecciones bacterianas persistentes que pueden eludir los tratamientos existentes. El objetivo de los investigadores era encontrar formas completamente nuevas de combatir la resistencia de los virus a los antibióticos convencionales.

Investigación y avances

Uxía Veleiro, investigadora predoctoral en el CIMA Universidad de Navarra, lo explica con claridad: "La IA está cambiando completamente cómo buscamos nuevos antibióticos. Lo más importante es que nos permite analizar millones de moléculas en cuestión de días, cuando antes igual nos podía llevar años hacerlo en el laboratorio".

Este cambio de paradigma no solo permite acelerar procesos, sino también anticiparse a los movimientos de las bacterias. "También se pueden predecir qué mutaciones van a desarrollar las bacterias para hacerse resistentes. Entonces, se podrían diseñar antibióticos teniendo en cuenta esto desde el principio. Otra ventaja es que podemos optimizar computacionalmente los compuestos que descubrimos y, además, evaluar también medicamentos ya existentes para ver si podrían funcionar como antibióticos", señala Veleiro.

Aunque los retos no desaparecen (garantizar la fiabilidad de los datos o comprobar que lo que predice la IA funciona realmente en el laboratorio), ya existen casos exitosos. "Hace unos años, unos investigadores del MIT descubrieron la leicina, que es un antibiótico desarrollado mediante IA. Este hallazgo demuestra que podemos empezar a ganar terreno y tiempo frente a las bacterias resistentes".

Detalles que marcan la diferencia

La principal diferencia con los métodos tradicionales es el alcance. Mientras los investigadores suelen centrarse en moléculas ya conocidas, la IA abre la puerta a opciones insospechadas. "La IA nos ayuda a descubrir compuestos que probablemente pasarían por alto. Los investigadores solemos enfocarnos en moléculas parecidas a antibióticos conocidos, mientras que la IA puede señalar estructuras completamente distintas. Además, tiene la capacidad de analizar enormes volúmenes de datos y detectar patrones invisibles a simple vista. Y, a diferencia de nuestra intuición química, no descarta opciones poco convencionales".

En su laboratorio, trabajan con herramientas basadas en grafos. "Representamos fármacos y proteínas como si fuesen nodos conectados. Igual que LinkedIn conecta personas con conexiones mutuas, nosotros conectamos fármacos que atacan a dianas proteicas similares. Así el modelo aprende patrones y predice nuevas interacciones", explica Veleiro. También existen modelos generativos que van un paso más allá: en lugar de reconocer patrones, proponen moléculas nuevas con las características deseadas, algo que podría ser clave frente a las superbacterias.

Los pros y contras de la IA

El uso de IA exige, sin embargo, un volumen masivo de datos: desde estructuras químicas hasta propiedades fisicoquímicas, mecanismos de resistencia y toxicidad. "No nos sirve un compuesto muy potente si luego es tóxico para nuestro cuerpo. Y, además, necesitamos que los datos sean de calidad, no solo millones de registros mal anotados".

En la práctica, la IA acelera sobre todo las fases iniciales del descubrimiento. "Antes, evaluar millones de compuestos podía llevar años; ahora podemos hacerlo computacionalmente en dos semanas. Pero los ensayos clínicos siguen necesitando tiempo por cuestiones de seguridad. La ventaja es que llegamos a esa fase con candidatos más prometedores", señala.

La IA también abre la puerta al reposicionamiento de fármacos ya existentes. "Podemos identificar nuevos antibióticos en medicamentos ya probados. En esos casos, algunas fases, como la toxicidad, ya están estudiadas y el acceso al paciente puede ser más rápido".

¿Y el riesgo de depender demasiado de la IA? Veleiro es clara: "Aunque la IA es una herramienta muy poderosa, no puede reemplazar la comprensión biológica del problema. Si nos enfocamos solo en algoritmos, podemos perder mecanismos de acción complejos. Además, existe el peligro del sesgo en los datos: si entrenamos con conjuntos sesgados, podríamos perder mecanismos de acción nuevos. Por eso necesitamos un enfoque multidisciplinar".

Retos por superar

Las barreras no son solo técnicas, sino también éticas. "Necesitamos conjuntos de datos masivos y estandarizados, y muchas veces los datos públicos están fragmentados. También existe un sesgo de publicación, porque solemos reportar solo resultados positivos. Y hay otro problema: muchas veces los modelos de IA son cajas negras, no sabemos cómo toman decisiones. En el desarrollo de fármacos es crítico entender por qué un modelo predice que un compuesto va a funcionar".

Para superar el reto de la privacidad, la investigación avanza hacia nuevas soluciones. "Se están entrenando modelos con aprendizaje federado, que permiten trabajar con datos de pacientes sin que salgan del hospital. Así, un modelo puede viajar de un hospital a otro sin comprometer la información personal".

La IA no es magia, pero sí una oportunidad única para ganar tiempo y ser más estratégicos en la lucha contra las superbacterias. Y, como concluye Veleiro, la clave está en combinar lo mejor de dos mundos: la potencia de los algoritmos y la comprensión profunda de la biología.

Síguenos en nuestro canal de WhatsApp y no te pierdas la última hora y toda la actualidad de antena3noticias.com

Alfombras hechas con cabello humano: una curiosa técnica para proteger los cultivos de la sequía