Inteligencia Artificial: Ahora un paso en pro de la salud humana Massachusetts, Estados Unidos de Norteamérica. Este 21 de febrero, los investigadores James Collins, Profesor Termeer de Ingeniería Médica y Ciencia en el Instituto de Ingeniería y Ciencia Médica del MIT. (IMES) y Departamento de Ingeniería Biológica, y Regina Barzilay, profesora de electrónica eléctrica y ciencias de la computación de Delta Electronics en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT han referido que, utilizando un algoritmo de aprendizaje automático, han identificado un nuevo compuesto antibiótico. De acuerdo al estudio publicado en la revista de alto impacto CELL que es una revista especializada en ciencias de la vida y biología, con el título: “A Deep Learning Approach to Antibiotic Discovery” y cuyos autores son Jonathan M. Stokes, Kevin Yang, Kyle Swanson, …, Tommi S. Jaakkola, Regina Barzilay, James J. Collins, el modelo de computadora, que puede detectar más de cien millones de compuestos químicos en cuestión de días, puesto que está diseñado para detectar posibles antibióticos que eliminan bacterias usando mecanismos diferentes a los de las drogas existentes, esta conclusión se obtuvo luego de que en pruebas de laboratorio, el compuesto mató a muchas bacterias causantes de diferentes enfermedades, mientras que en las pruebas con infecciones los resultados evidenciaron que se eliminaban en dos modelos diferentes de ratones. Al respecto el profesor Collins mencionó: “Queríamos desarrollar una plataforma que nos permitiera aprovechar el poder de la inteligencia artificial para marcar el comienzo de una nueva era de descubrimiento de fármacos antibióticos”, Por lo que “Nuestro enfoque reveló esta increíble molécula que posiblemente sea uno de los antibióticos más potentes que se ha descubierto”. Estos hallazgos, sin duda ponen en un escenario importante la comprensión de la inteligencia artificial, así como permiten identificar varios otros candidatos de antibióticos, el entrenamiento que recibe el modelo de aprendizaje permite la construcción de estructuras químicas que den amplitud. Las pruebas de este modelo fueron realizadas en el Centro de Reutilización de Drogas del Broad Institute, biblioteca que cuenta con aproximadamente 6,000 compuestos. En el modelo aplicado, los investigadores pudieron mostrar que habría una baja toxicidad para las células humanas. Por su parte Barzilay, comentó: “El modelo de aprendizaje automático puede explorar, en silicio, grandes espacios químicos que pueden ser prohibitivamente costosos para los enfoques experimentales tradicionales” En este sentido, el uso de los modelos informáticos predictivos para la detección “in silico” no es nueva, sin embargo, estos modelos no eran lo suficientemente precisos para transformar el descubrimiento de fármacos. Hoy las redes neuronales pueden promover un aprendizaje que de cuenta de las representaciones automáticamente, por lo que se logra construir un mapeo de las moléculas en vectores continuos que servirán para predecir sus propiedades. En las últimas décadas, podemos encontrar que los desarrollos de antibióticos nuevos han sido escasos, por lo cual, su desarrollo es una mutación ligera de los ya existentes, en este sentido, la aplicación de modelos de aprendizaje como lo son la inteligencia artificial, disminuye costes de operación y con ello también se puede determinar el proceso de resistencia bacteriana. Al respecto el profesor Collins alude: “Nos enfrentamos a una crisis creciente en torno a la resistencia a los antibióticos, y esta situación está siendo generada por un número cada vez mayor de agentes patógenos que se vuelven resistentes a los antibióticos existentes y una tubería anémica en las industrias biotecnológica y farmacéutica de nuevos antibióticos” La solución para atender esta necesidad fue el identificar compuestos novedosos, por lo que la asociación con Barzilay, el profesor Tommi Jaakkola y sus estudiantes Kevin Yang, Kyle Swanson y Wengong Jin, en pro del uso de modelos informáticos de aprendizaje automático fue la respuesta para analizar las estructuras moleculares de compuestos y correlacionarlos con rasgos particulares, como la capacidad de matar bacterias. La investigación diseño un modelo para buscar características químicas en las moléculas que permitan matar E. coli, lo cual necesito capacitar el modelo con alrededor de 2500 moléculas que permitieran incluir alrededor de 1.700 medicamentos aprobados y un conjunto de 800 productos naturales con diversas estructuras y una amplia gama de bioactividades. La molécula encontrada fue llamada “halicina”, por Hall 9000 como recuerdo del sistema ficticio de inteligencia artificial de “2001: Una odisea del espacio”. El compuesto ha sido investigado para ser utilizado como medicamento para la diabetes. Los investigadores probaron contra decenas de cepas bacterianas aisladas de pacientes y cultivadas en platos de laboratorio, descubriendo que eran capaces de matar a muchos que son resistentes al tratamiento, dentro de los que se encuentran Clostridium difficile, Acinetobacter baumannii y Mycobacterium tuberculosis. El medicamento funcionó contra la mayoría de las especies, sin embargo, Pseudomonas aeruginosa, resulto ser la excepción, al ser un patógeno pulmonar difícil de tratar. Dentro de los estudios preliminares, la halicina ha demostrado poder mantener un gradiente electroquímico a través de sus membranas celulares y eliminar el gradiente, esto es importante para producir ATP (moléculas que las células usan para almacenar energía), esto significa que, si el gradiente se descompone, las células mueren. Este mecanismo evita el desarrollo de la resistencia de las bacterias. Las aplicaciones que tiene la Inteligencia Artificial para la salud, promoverán que el diseño de antibioticos tenga cualidades especiales para atacar determinados tipos de bacterias, por lo que el suministro será dirigido, evitando dañar bacterias beneficiosas. Como vemos los hallazgos resultan innovadores y por lo tanto se convierten en el análisis profundo de cómo la ciencia de frontera logra hitos importantes. La investigación tuvo financiamiento de la Clínica Abdul Latif Jameel para Aprendizaje Automático en Salud, la Agencia de Reducción de Amenazas de Defensa, el Instituto Broad, el Programa Make-It de DARPA, los Institutos Canadienses de Investigación en Salud, la Fundación Canadiense para la Innovación, las Cátedras de Investigación de Canadá Programa, el Programa de Becas Banting, el Programa de Ciencias Human Frontier, la Fundación Pershing Square, la Fundación Nacional de Ciencias de Suiza, un Premio al Investigador Temprano de los Institutos Nacionales de Salud, el Programa de Becas de
