El primer medicamento diseñado con IA está a punto de ser aprobado

Un fármaco experimental diseñado en gran parte con IA ha entrado en la fase final de las pruebas con una velocidad récord y está a punto de convertirse en el primer medicamento diseñado con la ayuda de la IA aprobada para uso humano. Algunos lo consideran un avance médico revolucionario, mientras que otros lo reconocen como un atajo perturbador que reemplaza el conocimiento médico adecuado con la optimización basada en la máquina.

El medicamento de aprobación de apropiación fue desarrollado por Insilico Medicine, una compañía de biotecnología centrada en la inteligencia artificial que utiliza modelos de aprendizaje automático para identificar objetivos de enfermedades y generar posibles compuestos para su tratamiento. El objetivo del nuevo fármaco es la fibrosis pulmonar idiopática (FPI), una enfermedad pulmonar fatal que mata a unos 40.000 estadounidenses cada año y para la que no se conoce tratamiento. De manera preocupante, el desarrollo ha progresado desde el descubrimiento del objetivo hasta los ensayos clínicos en humanos en menos de dos años.

Para poner esta evolución en contexto, para un fármaco convencional generalmente se tarda unos 5 años desde su descubrimiento hasta las pruebas en humanos, seguidos por otros 6-8 años de ensayos clínicos y la evaluación por parte de los reguladores. De principio a fin, el desarrollo de la mayoría de los medicamentos toma de 10 a 15 años, con una tasa de fracaso estimada del 90% una vez que comienzan las pruebas de las personas. La IA es capaz de comprimir drásticamente la fase de descubrimiento temprano, la parte más lenta y cara. El proceso Insilico reemplaza años de iteraciones de laboratorio con cribado algorítmico de millones de estructuras moleculares, la predicción de la toxicidad, la simulación del plegamiento de proteínas y la propuesta de compuestos candidatos en cuestión de semanas, en lugar de años.

El descubrimiento tradicional de fármacos se basa en el trabajo de laboratorio slowuter: hipótesis, experimento, fracaso, revisión. Los sistemas de IA acortan este proceso mediante la capacitación en enormes conjuntos de datos sobre estructuras químicas, vías biológicas y resultados históricos de ensayos clínicos. Permite a los investigadores eliminar instantáneamente candidatos poco probables y enfocar recursos en compuestos con las tasas de éxito más altas esperadas. En términos simples, la IA no entiende la biología, pero reconoce patrones a gran escala. Puede probar digitalmente millones de moléculas teóricas antes de que un químico humano sintetice al menos una.

Esta eficiencia significa que las compañías farmacéuticas pueden reducir los costos de desarrollo en un 30-70%. Según las estimaciones, más de $ 60 mil millones se han invertido en nuevas empresas con sede en inteligencia artificial en biotecnología basada en IA a nivel mundial en los últimos cinco años, con las principales compañías farmacéuticas que terminan las asociaciones o se invierten para evitar quedarse atrás. Hay auténticos argumentos humanitarios a favor de las drogas aceleradas por la IA. Las enfermedades raras, las condiciones desatendidas o las enfermedades con un pequeño número de pacientes siempre han sido comercialmente poco atractivas. También existe la capacidad de crear medicamentos personalizados, adaptando los tratamientos a los perfiles genéticos de manera que la investigación dirigida por el hombre no puede o no quiere explorar.

Una aclaración importante aquí es que los medicamentos diseñados con IA todavía se están probando en humanos. Los reguladores no han renunciado a las normas de seguridad, y los ensayos clínicos siguen siendo obligatorios. Por lo tanto, una perspectiva beneficiosa enfatiza que la IA no reemplaza el juicio científico, sino que lo complementa con ensayos y errores rápidos. Los sistemas de IA a menudo funcionan como cajas negras, que producen resultados efectivos pero no proporcionan explicaciones claras del razonamiento causal. En muchas industrias, esta opacidad no es un problema. Sin embargo, en medicina, lo es. Saber exactamente cómo y por qué funciona un medicamento es crucial para predecir los efectos secundarios, los riesgos a largo plazo y las interacciones con otros tratamientos.

Los sistemas de IA han demostrado repetidamente su tendencia a generar y resultados incorrectos. Los modelos de lenguaje grandes fabrican detalles técnicos y citados; las herramientas de reconocimiento de imágenes clasifican erróneamente los objetos en entornos críticos para la seguridad; el software automatizado de toma de decisiones continúa amplificando los prejuicios en la política y más allá. Optimizan la probabilidad más que la verdad. Funcionan mejor en entornos donde los modelos son estables, reconocidos y las consecuencias son reversibles. La biología no es así en absoluto. Los errores en el desarrollo farmacéutico – evaluación más grave de la toxicidad, efectos secundarios o interacciones a largo plazo – son costosos, irreversibles y, a veces, letales.

La historia clínica ofrece advertencias severas. Algunos de los desastres farmacéuticos más infames del siglo XX ocurrieron dentro de sistemas administrados en su totalidad por humanos, que cumplían con sus propios estándares científicos. Talidomide, uno de los ejemplos más conocidos, fue aprobado en varios países a finales de los años cincuenta y pasó todas las pruebas necesarias antes de causar defectos de nacimiento catastróficos. La preocupación no es que la IA produzca más drogas dañinas, sino que podría producir medicamentos dañinos más rápido, a gran escala y antes de que las medidas de protección institucional puedan adaptarse.

Fuente: Yoga ezoteric