La investigación en la lucha contra el cáncer tiene dos vertientes: la primera, centrada en la búsqueda de los factores que lo provocan, y la segunda, orientada a atajar sus síntomas y consecuencias.

Durante mucho tiempo el cáncer de pulmón ha sido uno de los más letales, con una tasa de supervivencia a cinco años del 13%, según datos de la Asociación Española Contra el Cáncer¹. Sin embargo, la investigación y la mejora de los tratamientos han conseguido mejorar el pronóstico y alumbrar nuevas expectativas para sus pacientes.

Como ocurre con otros tumores, una de las líneas de estudio de los tratamientos contra este tipo de cáncer tiene una faceta tecnológica. Como ejemplo, investigadores de la Universidad de California en San Diego han desarrollado un algoritmo de aprendizaje automático para realizar combinaciones químicas de componentes, agilizar los procesos de diseño de nuevos fármacos y abrir la puerta a nuevos e inéditos tratamientos.

Inteligencia Artificial de código abierto

El objetivo de este trabajo, cuyos resultados se han recogido en la revista Nature Communications², consiste en simplificar y dinamizar los miles de experimentos individuales que implica la búsqueda de nuevos fármacos a través de una plataforma de inteligencia artificial de código abierto, es decir, un software accesible para cualquiera. Las pruebas realizadas hasta el momento han permitido sintetizar un total de 32 posibles compuestos farmacológicos contra el cáncer de pulmón.

Esta nueva plataforma, denominada POLYGON, se diferencia del resto de herramientas digitales diseñadas para el descubrimiento de fármacos en que es capaz de identificar moléculas con múltiples dianas, es decir, a través de distintas sustancias celulares que reaccionan ante diferentes fármacos, cuando en la actualidad los protocolos en la investigación de nuevos medicamentos dan prioridad a las terapias que tienen un único objetivo.

Este tipo de medicamentos multidiana cuenta con un enorme potencial terapéutico porque ofrece la misma respuesta que las terapias combinadas contra el cáncer, pero con menos efectos secundarios. En opinión de los investigadores norteamericanos, esta herramienta de Inteligencia Artificial podría eliminar el azar de las pruebas farmacológicas e incrementar la precisión en la búsqueda de nuevos medicamentos.

Para llevar a cabo el estudio, los investigadores entrenaron el software con más de un millón de datos relativos a moléculas bioactivas, con información referente a sus propiedades químicas y a las interacciones conocidas con las proteínas a las que se querían dirigir. El software empleó los patrones de su base de datos para generar fórmulas químicas específicas para nuevos fármacos con propiedades potencialmente útiles, como la capacidad de inhibir proteínas específicas.

¿Cómo funciona?

Esta herramienta de Inteligencia Artificial generativa funciona de una forma similar a otras aplicaciones de creación de imágenes o de contenidos pero con elementos químicos. De esta forma, POLYGON es capaz de generar compuestos moleculares originales basados en las propiedades químicas que se buscan para interactuar con las proteínas de la enfermedad.

Durante la investigación los científicos probaron este algoritmo para generar cientos de fármacos potencialmente activos contra diferentes pares de proteínas relacionadas con el cáncer. De estos, los investigadores sintetizaron 32 posibles medicamentos que tenían las interacciones más fuertes con dos proteínas (MEK1 y mTOR) presentes en el tumor pero que apenas afectaban a otras.

Los investigadores advierten que este algoritmo permite reducir los tiempos del proceso de descubrimiento de nuevos fármacos pero que en ningún caso se puede eliminar el factor humano.