Una de las aplicaciones más importantes del aprendizaje automático en el desarrollo de fármacos es la identificación de nuevos objetivos farmacológicos. Los algoritmos de aprendizaje automático se pueden utilizar para analizar grandes conjuntos de datos genómicos, proteómicos y fenotípicos para identificar nuevas proteínas involucradas en procesos patológicos. Luego, estas proteínas pueden atacarse con nuevos fármacos.
El aprendizaje automático también se puede utilizar para diseñar nuevos medicamentos. Al aprender de las estructuras de fármacos conocidos, los algoritmos de aprendizaje automático pueden diseñar nuevos fármacos que tengan más probabilidades de ser eficaces y tener menos efectos secundarios.
Finalmente, el aprendizaje automático se puede utilizar para probar medicamentos de manera más eficiente. Los algoritmos de aprendizaje automático se pueden utilizar para identificar a los pacientes que tienen más probabilidades de beneficiarse de un fármaco en particular y para diseñar ensayos clínicos que tengan más probabilidades de producir resultados significativos.
El uso del aprendizaje automático en el desarrollo de fármacos tiene el potencial de revolucionar la forma en que se fabrican nuevos fármacos. Al automatizar tareas que tradicionalmente se realizan manualmente, el aprendizaje automático puede ayudar a los investigadores a identificar nuevos objetivos farmacológicos, diseñar nuevos fármacos y probar fármacos de manera más eficiente. Esto puede conducir a nuevos medicamentos que sean más eficaces, tengan menos efectos secundarios y estén disponibles para los pacientes más rápidamente.
A continuación se muestran algunos ejemplos específicos de cómo se utiliza el aprendizaje automático en el desarrollo de fármacos:
* En 2016, investigadores de Google AI utilizaron el aprendizaje automático para identificar un nuevo objetivo farmacológico para tratar el cáncer. El objetivo del fármaco es una proteína llamada tirosina quinasa de Bruton (BTK). BTK participa en el crecimiento y la supervivencia de las células cancerosas. Los investigadores descubrieron que un fármaco llamado ibrutinib, que ya está aprobado para tratar ciertos tipos de cáncer, es eficaz para inhibir BTK. Este hallazgo podría conducir a nuevos tratamientos para el cáncer.
* En 2017, investigadores del Instituto Tecnológico de Massachusetts (MIT) utilizaron el aprendizaje automático para diseñar un nuevo antibiótico. El antibiótico se llama halicina. La halicina es eficaz contra una amplia gama de bacterias, incluidas las que son resistentes a otros antibióticos. Este hallazgo podría conducir a nuevos tratamientos para las infecciones resistentes a los antibióticos.
* En 2018, investigadores de la Universidad de Stanford utilizaron el aprendizaje automático para identificar a los pacientes que tienen más probabilidades de beneficiarse de un medicamento en particular. El medicamento se llama pembrolizumab. Pembrolizumab es un fármaco de inmunoterapia que se usa para tratar ciertos tipos de cáncer. Los investigadores encontraron que los pacientes que tienen un nivel alto de una proteína llamada PD-L1 en sus células cancerosas tienen más probabilidades de beneficiarse del pembrolizumab. Este hallazgo podría ayudar a los médicos a identificar a los pacientes que tienen más probabilidades de beneficiarse del pembrolizumab y a evitar tratamientos innecesarios.
Estos son sólo algunos ejemplos de cómo se utiliza el aprendizaje automático en el desarrollo de fármacos. A medida que el campo del aprendizaje automático continúa creciendo, podemos esperar ver aplicaciones aún más innovadoras y revolucionarias del aprendizaje automático en el desarrollo de fármacos.
