Innovadora Empresa de IA Busca Desarrollar Nuevos Medicamentos Sin Necesidad de Laboratorio

Una emergente empresa británica está apostando por la inteligencia artificial (IA) como motor para revolucionar el lento y meticuloso proceso de diseño de fármacos. Potential Sciences busca acelerar esta etapa utilizando simulaciones basadas en principios de física para crear amplios conjuntos de datos químicos. La meta es modelar las interacciones entre átomos, moléculas pequeñas, aminoácidos y proteínas complejas, lo que permitiría entrenar modelos de IA que identifiquen fármacos específicos para enfermedades concretas, evitando así las costosas y prolongadas fases de experimentación en laboratorio.

Innovación en la predicción de fármacos

Hatem Helal, fundador y director ejecutivo de Potential Sciences, explica que su enfoque busca eliminar rápidamente las moléculas que no funcionarán en la clínica. “Necesitamos mejores predictores de cómo se comportarán al interactuar con la biología humana”, afirma. La startup, que inició operaciones el 5 de noviembre, ha conseguido un financiamiento inicial de decenas de millones de dólares de diversos inversores, incluyendo SovAI, un fondo de capital de riesgo apoyado por el gobierno británico. Aunque los fundadores no han revelado cifras exactas, su ambición es clara.

Si el desarrollo de Potential Sciences sigue el camino esperado, podría facilitar la creación acelerada de nuevos tratamientos para una variedad de enfermedades. Helal sostiene que su enfoque no solo reduciría los costos de experimentación, sino que también podría incentivar a las farmacéuticas a investigar medicamentos para enfermedades raras que hasta ahora no contaban con opciones de tratamiento.

Desafíos en la predicción molecular

La clave del éxito de Potential Sciences radica en su capacidad para predecir con precisión cómo los fármacos candidatos se unen a las proteínas relacionadas con las enfermedades, un desafío que requiere avances significativos. Peter Wolynes, profesor de química en la Universidad Rice, reconoce que habrá mejoras, pero advierte que la ingeniería de proteínas aún se encuentra en una etapa primitiva.

Expertos en el sector, como Demis Hassabis, conocido por su trabajo en Google DeepMind, han afirmado que los avances en IA podrían llevar a descubrimientos científicos revolucionarios, similar a los cambios que ha traído a las matemáticas. Potential Sciences, junto con otras startups, espera que el descubrimiento de fármacos sea una de las áreas donde esta tecnología transforme el panorama.

Expansión de conjuntos de datos

Actualmente, muchos laboratorios que utilizan IA para el descubrimiento de fármacos se basan en un único conjunto de datos públicos. Helal señala que estos datos son insuficientes para entrenar modelos de IA que aceleren de manera fiable la búsqueda de fármacos viables. “Existen alrededor de 10⁶⁰ formas de ensamblar átomos en moléculas que podrían ser administradas a humanos”, indica. Para ello, Potential Sciences busca crear conjuntos de datos mucho más amplios mediante la simulación de interacciones químicas, lo que les permitirá entrenar modelos más avanzados.

Este enfoque ha sido bien recibido por académicos como Alan Fersht, profesor emérito de química en la Universidad de Cambridge, quien considera que la capacidad de predecir interacciones moleculares podría revolucionar el desarrollo de fármacos. “Soy optimista y creo que esto acabará sucediendo”, asegura.

Un entorno competitivo

Potential Sciences se une a un grupo selecto de empresas en el sector, como Basecamp Research e Isomorphic Labs, que también están explorando el descubrimiento de fármacos mediante IA. Con el apoyo de SovAI, un fondo que busca invertir en startups británicas clave para la cadena de suministro global de IA, la empresa tiene la oportunidad de acceder a recursos informáticos que faciliten su trabajo a gran escala.

A pesar de este respaldo, el mercado para el descubrimiento de fármacos mediante IA es altamente competitivo, con numerosos emprendedores y académicos que persiguen resolver problemas similares a través de diferentes métodos.

Consideraciones éticas y de costo

Aunque la identificación más rápida de fármacos prometedores es un avance significativo, no elimina los costos y el tiempo necesarios para probar su seguridad y eficacia. “El costo de diseñar un fármaco no se compara con el de determinar sus efectos en diversos organismos”, aclara Wolynes. Este aspecto sigue siendo un factor limitante en el proceso de desarrollo de nuevos tratamientos.

Asimismo, el auge de tecnologías que permiten identificar tratamientos eficaces también plantea preocupaciones sobre su posible uso indebido. Helal advierte sobre el riesgo de que herramientas diseñadas para minimizar la toxicidad puedan ser empleadas para maximizarla. Potential Sciences aún está en la fase de definir su modelo de negocio y cómo manejará el acceso a sus modelos para evitar posibles abusos. Sin embargo, Helal está convencido de que resolver estos problemas es esencial. “Es un desafío fundamental que debemos abordar”, concluye.