Innovaciones en el Desarrollo de Antivirales: La Revolución de la Inteligencia Artificial
Desarrollar un nuevo antiviral tradicionalmente puede llevar entre 10 y 15 años, con una inversión que supera los 1.000 millones de euros. Sin embargo, investigadores de la Universidad de Pensilvania han presentado un avance significativo gracias a la aplicación de tecnologías de inteligencia artificial (IA), que podrían reducir este tiempo y coste a una décima parte. Este proceso innovador permite identificar compuestos antivirales utilizando un conjunto reducido de opciones y datos limitados. Se ha probado con el enterovirus conocido como EV-71, responsable del síndrome mano-pie-boca, que puede causar fiebre, llagas y complicaciones neurológicas graves. Lo más prometedor es que este método podría extenderse a otras infecciones, ofreciendo una nueva dirección en la investigación médica.
El estudio, publicado en la revista Cell Reports Physical Science, se basa en el entrenamiento de modelos de aprendizaje automático con solo 36 compuestos, de los cuales se preseleccionaron ocho y se predijeron cinco agentes antivirales con una precisión notable. Angela Cesaro, coautora del estudio, señala que este enfoque demuestra que incluso con datos limitados, el aprendizaje automático puede identificar compuestos antivirales de manera efectiva, lo que acelera el desarrollo de soluciones y garantiza una respuesta rápida ante futuros brotes. César de la Fuente, líder del laboratorio, destaca la integración de la IA con la experimentación rigurosa, lo que permite acortar los plazos de descubrimiento y abrir una nueva era en la medicina basada en datos.
Este enfoque surgió hace cuatro años a raíz de una propuesta de la farmacéutica Procter & Gamble, que buscaba investigar el enterovirus 71, para el cual solo existen vacunas experimentales. Haoyuan Shi, coautor del estudio, explica que las simulaciones de dinámica molecular ofrecen información valiosa sobre cómo los antivirales interactúan con la cápside del virus, una estructura crucial para su infección. A lo largo de la investigación, se ha demostrado que es posible modelar el efecto antiviral incluso con conjuntos de datos muy limitados, lo que representa un avance significativo en el campo. Además, el modelo desarrollado es de código abierto, lo que permite que otros investigadores lo utilicen para explorar su eficacia contra diferentes patógenos, ampliando así el impacto de esta innovadora metodología.
