Para acelerar el desarrollo de nuevos fármacos, la empresa familiar Boehringer Ingelheim, fundada en 1885 y actualmente el 15º laboratorio más grande del mundo, apuesta por la inteligencia artificial, la analítica y la ciencia de datos. Para ello, la empresa ha creado su propia división Global Computational Biology and Digital Sciences (gCBDS), que utiliza grandes cantidades de datos para buscar nuevos principios activos.

El objetivo de esta investigación es, en particular, aislar nuevos anticuerpos terapéuticos. Los tratamientos con anticuerpos son un arma importante en la lucha contra enfermedades graves como el cáncer, las enfermedades autoinmunes y las enfermedades infecciosas. Además, parecen tener menos efectos secundarios que los medicamentos convencionales, lo que genera esperanzas para nuevos tratamientos.

Sin embargo, desarrollar nuevos anticuerpos requiere mucho tiempo y esfuerzo. No solo exige una precisión meticulosa, sino también largas series de pruebas de laboratorio.

La IA por encima de las pruebas de laboratorio

De ahí el deseo de Boehringer de acelerar este proceso con métodos "en silicio". En otras palabras, se trata de avanzar más rápidamente en la búsqueda de nuevos anticuerpos mediante simulaciones por ordenador. Según Andrew Nixon, director de investigación bioterapéutica de Boehringer Ingelheim, el objetivo era claro: "El desarrollo en silicio debe permitir a Boehringer desarrollar y ofrecer nuevos tratamientos a pacientes con importantes necesidades no cubiertas".

Para lograrlo, la empresa se apoya en la colaboración con el equipo de investigación de IBM. La información sobre la secuencia genética, la estructura y el perfil molecular de dianas relevantes para la enfermedad, así como los criterios de éxito de las moléculas de anticuerpos de interés terapéutico, como la afinidad, la especificidad y la capacidad de desarrollo, debían servir como criterios básicos para generar nuevas secuencias de anticuerpos humanos mediante simulación.

El proyecto de Boehringer se basa en un modelo de inteligencia artificial previamente entrenado desarrollado por IBM, que se perfeccionará con datos adicionales propios del laboratorio, que emplea a 52.000 personas en todo el mundo (incluidas casi 3.000 en Francia). Para ello, la empresa se apoya en las últimas tecnologías de modelos básicos de IBM, que deberían acelerar y hacer más eficiente el desarrollo de anticuerpos y mejorar la calidad de los anticuerpos candidatos propuestos por el algoritmo.

Identificar a los mejores candidatos

Estos modelos básicos, que han demostrado ser eficaces para generar productos biológicos y moléculas pequeñas con afinidades objetivo relevantes, se utilizan para diseñar anticuerpos candidatos para las moléculas objetivo definidas, como la proteína o el gen que se desea inactivar. Los resultados se prueban luego mediante simulación basada en IA, lo que permite la selección y el refinamiento de los mejores aglutinantes para el objetivo determinado.

En una fase de validación, Boehringer planea producir los anticuerpos candidatos a escala de laboratorio y evaluarlos experimentalmente. Posteriormente, los resultados de las pruebas de laboratorio se utilizarán para mejorar los métodos de simulación por computadora mediante ciclos de retroalimentación.

Datos propietarios además de bases de datos públicas

Las tecnologías de modelado biomédico de IBM que se utilizan para este fin se basan en una gran cantidad de datos disponibles públicamente, incluidas bases de datos de interacciones proteína-proteína e interacciones fármaco-diana, con las que se entrenan los modelos. Estos modelos pueden ser refinados por socios como Boehringer utilizando datos patentados específicos para producir proteínas y moléculas pequeñas modificadas con las propiedades deseadas.

La colaboración con IBM es solo uno de los muchos proyectos de inteligencia artificial que lleva a cabo el laboratorio de Ingelheim am Rhein. La empresa está construyendo actualmente un ecosistema digital con socios del mundo académico y empresarial para descubrir y desarrollar medicamentos más rápidamente y crear servicios que puedan mejorar la vida de los pacientes. Por ejemplo, el laboratorio está trabajando con la tecnología médica de Zeiss para desarrollar análisis predictivos que permitan la detección temprana de enfermedades oculares y la prescripción de tratamientos personalizados, con el fin de prevenir la ceguera en personas con enfermedades oculares graves.

Para lograrlo, los socios se basan en el análisis asistido por IA de grandes conjuntos de datos de imágenes. El objetivo es crear una base para los estudios clínicos con el fin de desarrollar tratamientos personalizados y más precisos en las primeras etapas de las enfermedades crónicas de la retina, con el fin de mejorar el pronóstico para preservar la visión en los pacientes afectados. A través de este mismo enfoque, la IA también debería conducir a la detección temprana de enfermedades oculares.