Desarrollar nuevos medicamentos es
cada vez más caro, pero la inteligencia artificial combinada con más
información de los pacientes podría solucionarlo. Varios expertos piden más
flexibilidad para que los enfermos tiendan a ceder sus datos, como sucede con
los órganos para trasplantes
¿Ha oído hablar de la Ley de Eroom? En
la industria farmacéutica es al mismo tiempo una regla y una broma. Básicamente
establece que, a pesar de las mejoras en la ciencia y en la tecnología, el
coste de desarrollar nuevos fármacos es cada vez mayor, no menor.
El nombre hace referencia a la Ley de
Moore, el famoso paradigma del crecimiento exponencial, pero al revés. De
hecho, según la CEO de Insitro, Daphne Koller, el coste de llevar un nuevo
medicamento al mercado ha aumentado de los 177 millones de euros de hace 30
años a los 2.200 millones de euros actuales.
Hablando en la reciente conferencia
EmTech Digital de MIT Technology Review, Koller explicó cómo los investigadores
y los científicos más destacados están intentado utilizar los algoritmos de
inteligencia artificial (IA) para revertir esa tendencia. La experta afirmó:
"Es un problema de predicción. Y la predicción es algo que al aprendizaje
automático se le da estupendamente. Entonces, ¿el aprendizaje automático podría
ayudar a reducir los costes?"
Aunque estos costes por descubrimiento
han aumentado debido a una variedad de factores, incluida la normativa, Koller
agregó que Insitro esperaba tener los sistemas y los datos listos para realizar
sus primeros descubrimientos antes de 2021.
No obstante, advirtió que el
aprendizaje automático no resolvería todos los problemas del descubrimiento de
nuevos medicamentos, especialmente si los algoritmos trabajan datos incorrectos
o persiguen objetivos equivocados. Mencionó el fracaso de muchos medicamentos
dirigidos al tratamiento del alzhéimer, de los cuales la mayoría se desarrolló
bajo la idea de que la enfermedad está causada por la acumulación de una
proteína llamada beta-amiloide (después de que Roche haya suspendido dos
ensayos más a principios de este año, existe un consenso de que la acumulación
de beta-amiloide se correlaciona con el Alzheimer en vez de causarlo).
"El aprendizaje automático es una
espada de doble filo, y cuanto más potente se vuelve, más fácil es caer en esas
brechas", explicó. Koller cree que para evitar estos riesgos hacen falta
mejores datos, como los que se ven en los campos de IA distintos de la atención
médica. "Este tipo de conjuntos de datos ni siquiera existen en
biología", aseguró.
Esto se debe en gran parte a las
intensas protecciones de privacidad que rodean los datos médicos de la gente.
Pero Koller cree que esas medidas están bloqueando innecesariamente la
innovación, y propone una solución para que las cosas vayan más rápido. La
experta sentencia: "Ni siquiera podemos pedir [a los pacientes] que elijan
compartir sus datos con las organizaciones que intentan crear mejores
tratamientos. Si los datos de las personas se compartieran por defecto mientras
se protege su privacidad, tendríamos muchos más datos".
Y añadió: "Algunos países de
Europa han creado un sistema en el que la donación de órganos es una opción de
exclusión voluntaria en vez de una opción de aceptación voluntaria, y resulta
se ha cuadruplicado el nivel de donaciones de órganos sin limitar el control
que las personas tienen sobre sus propios cuerpos".
Las nuevas técnicas de IA no solo se
están implementando en el descubrimiento de medicamentos. La inteligencia
artificial también está teniendo un impacto significativo en la forma de
inventar nuevos compuestos y materiales químicos. La CEO de Kebotix, Jill
Becker, una start-up que descubre nuevos materiales, lanzada públicamente a
finales de 2018, explicó en la conferencia que está invirtiendo fuertemente en
técnicas de aprendizaje automático para identificar nuevos productos químicos y
materiales. Y afirmó que su empresa se está alejando bastante de los productos
farmacéuticos por la sombra de la Ley de Eroom y, en concreto, por la normativa
reguladora.
La CEO concluyó: "Esperamos crear
100 moléculas a la semana; un centenar de moléculas de primera categoría. Hay
dos tipos de químicos: los que disfrutan haciendo medicamentos y a los que les
gusta que las cosas avancen. Yo soy de los segundos. No tengo ningún interés en
esperar a la FDA (La Administración de Medicamentos y Alimentos de EE.UU.). No tengo
paciencia."
Fuente: MIT Technology Review