En su evento anual centrado en la salud, ‘The Check Up’, Google proporcionó una actualización completa sobre sus diversos esfuerzos de investigación y desarrollo en el sector sanitario. Entre los anuncios clave se encontraba la introducción de una nueva colección de modelos de inteligencia artificial (IA) específicamente diseñados para impulsar el proceso de descubrimiento de fármacos.
TxGemma: Una Rama Especializada de la Familia de IA de Google
Estos nuevos modelos, conocidos colectivamente como TxGemma, representan una extensión especializada de la familia Gemma de modelos de IA generativa (GenAI) de código abierto de Google. Los modelos Gemma, a su vez, se construyen sobre la base de la plataforma de IA Gemini de vanguardia de Google, cuya última versión se presentó en diciembre.
El kit de herramientas TxGemma está programado para ser lanzado a la comunidad científica a finales de este mes a través del programa Health AI Developer Foundations de Google. Esta iniciativa tiene como objetivo fomentar la colaboración y el desarrollo posterior al permitir que los investigadores evalúen y refinen los modelos. Si bien aún no se conoce el alcance total de su aplicabilidad, el lanzamiento inicial plantea preguntas sobre su potencial para la adaptación comercial.
Comprendiendo el Lenguaje de la Terapéutica
La Dra. Karen DeSalvo, Directora de Salud de Google, explicó las capacidades únicas de TxGemma. Estos modelos poseen la capacidad de comprender tanto el texto estándar como las intrincadas estructuras de diversas entidades terapéuticas. Esto incluye pequeñas moléculas, productos químicos y proteínas, que son componentes fundamentales en el desarrollo de fármacos.
Esta doble comprensión permite a los investigadores interactuar con TxGemma de una manera más intuitiva. Pueden plantear preguntas que ayuden a predecir propiedades cruciales de posibles nuevas terapias. Por ejemplo, los investigadores pueden usar TxGemma para obtener información sobre los perfiles de seguridad y eficacia de los fármacos candidatos, acelerando el proceso de selección inicial.
Abordando los Desafíos del Desarrollo de Fármacos
La Dra. DeSalvo enfatizó el contexto de esta innovación, señalando que ‘El desarrollo de fármacos terapéuticos desde el concepto hasta el uso aprobado es un proceso largo y costoso’. Al poner TxGemma a disposición de la comunidad investigadora en general, Google tiene como objetivo explorar nuevos enfoques para mejorar la eficiencia de esta compleja tarea.
IA: Una Fuerza Transformadora en las Ciencias de la Vida
La aparición de la IA ha revolucionado innegablemente la industria de las ciencias de la vida. Su capacidad para procesar grandes conjuntos de datos, identificar patrones ocultos y generar predicciones basadas en datos ha abierto oportunidades sin precedentes. La IA ya se está empleando activamente en varias etapas del desarrollo de fármacos, incluyendo:
- Identificación de dianas farmacológicas: Identificación de moléculas o vías específicas involucradas en procesos patológicos.
- Diseño de nuevos fármacos: Creación de nuevos compuestos con las propiedades terapéuticas deseadas.
- Reposicionamiento de terapias existentes: Encontrar nuevos usos para fármacos ya aprobados para otras afecciones.
El Panorama Regulatorio se Adapta a la IA
La rápida adopción de la IA en el desarrollo de fármacos ha impulsado a los organismos reguladores a responder. A principios de este año, la FDA publicó su primera guía sobre el uso de la IA en las presentaciones reglamentarias, proporcionando claridad sobre cómo esta tecnología debe incorporarse a las presentaciones. De manera similar, en 2024, la EMA publicó un documento de reflexión que describe su perspectiva sobre la aplicación de la IA a lo largo del ciclo de vida del producto medicinal. Estos desarrollos destacan el creciente reconocimiento del papel de la IA en la configuración del futuro de la investigación y regulación farmacéutica.
Más Allá de TxGemma: Un Vistazo a las Iniciativas de Salud de Google
El evento ‘The Check Up’ mostró una serie de otros avances relacionados con la salud de Google:
Resultados de Salud Mejorados en la Búsqueda de Google
Google destacó las mejoras en la capacidad de su motor de búsqueda para proporcionar información de salud confiable y relevante a los usuarios. Esto incluye el refinamiento de los algoritmos de búsqueda para priorizar las fuentes autorizadas y presentar la información en un formato claro y accesible.
Función de Registros Médicos en la Aplicación Health Connect
Se introdujo una nueva función dentro de la aplicación Health Connect de Google, que permite a los usuarios almacenar y administrar de forma segura sus registros médicos. Esta plataforma centralizada tiene como objetivo empoderar a las personas con un mayor control sobre sus datos de salud y facilitar el intercambio sin problemas con los proveedores de atención médica.
‘Co-científico’ de IA: Un Socio de Investigación Virtual
Basándose en su anuncio de febrero, Google profundizó en su concepto de ‘co-científico’ de IA. Este colaborador virtual está diseñado para ayudar a los científicos a generar nuevas hipótesis y propuestas de investigación. Al aprovechar el procesamiento del lenguaje natural, el co-científico de IA puede analizar los objetivos de la investigación y proponer hipótesis comprobables, completas con resúmenes de la literatura publicada relevante y posibles enfoques experimentales.
Por ejemplo, si los investigadores tienen como objetivo profundizar su comprensión de la propagación de un microbio causante de enfermedades, pueden expresar este objetivo en lenguaje natural. El co-científico de IA responderá entonces con hipótesis sugeridas, artículos de investigación relevantes y posibles diseños experimentales.
Capricorn: IA para el Tratamiento Personalizado del Cáncer Infantil
Finalmente, Google destacó una herramienta de IA llamada Capricorn, que aprovecha los modelos Gemini para acelerar la identificación de tratamientos personalizados para los cánceres infantiles. Capricorn logra esto integrando datos médicos públicos con información de pacientes desidentificada, lo que permite a los médicos adaptar las estrategias de tratamiento a pacientes individuales de manera más efectiva.
Profundización en las Posibles Aplicaciones de TxGemma
La principal fortaleza reside en la capacidad del modelo para cerrar la brecha entre el texto legible por humanos y el mundo complejo, a menudo críptico, de las estructuras moleculares.
Así es como se espera que se use TxGemma:
Identificación de Objetivos:
- Un investigador podría ingresar: “Identificar posibles objetivos proteicos para inhibir el crecimiento de células cancerosas con mutación KRAS“.
- TxGemma, basándose en vastas bases de datos de literatura científica y datos moleculares, podría sugerir una lista de proteínas que se sabe que interactúan con la proteína KRAS o que están involucradas en vías que KRAS influencia. También podría clasificar estos objetivos en función de factores como la “drogabilidad” (la probabilidad de que una molécula pequeña pueda unirse y modular eficazmente la proteína).
Descubrimiento de Compuestos Líderes:
- Un investigador podría ingresar: “Encontrar pequeñas moléculas que se unan al sitio activo de la proteína quinasa AKT1 con alta afinidad”.
- TxGemma podría examinar bibliotecas virtuales de miles de millones de compuestos, prediciendo su afinidad de unión a la proteína AKT1 en función de su estructura 3D. También podría filtrar estos compuestos en función de propiedades como la solubilidad predicha, la permeabilidad y la toxicidad potencial.
Estudios del Mecanismo de Acción:
- Un investigador tiene un compuesto prometedor pero no está seguro de cómo funciona exactamente. Podrían ingresar: “Predecir el mecanismo de acción del compuesto XYZ, que muestra actividad contra la enfermedad de Alzheimer en modelos preclínicos”.
- TxGemma podría analizar la estructura del compuesto, compararlo con fármacos conocidos y cruzarlo con datos sobre cambios en la expresión génica e interacciones proteína-proteína para sugerir posibles vías u objetivos que el compuesto podría estar afectando.
Reposicionamiento de Fármacos:
- Un investigador podría preguntar: “Identificar fármacos existentes que podrían reposicionarse para tratar el trastorno genético raro ABC”.
- TxGemma podría analizar la base genética y molecular del trastorno ABC, luego buscar fármacos que se sabe que se dirigen a vías o proteínas involucradas en la enfermedad, incluso si esos fármacos se desarrollaron originalmente para una afección completamente diferente.
Predicción de Toxicidad:
- Antes de trasladar un compuesto a costosos ensayos clínicos, los investigadores deben evaluar su toxicidad potencial. TxGemma podría usarse para: “Predecir el potencial del compuesto PQR para causar daño hepático o cardiotoxicidad”.
- El modelo analizaría la estructura del compuesto y la compararía con bases de datos de compuestos tóxicos conocidos, identificando posibles señales de alerta.
La Ventaja del Código Abierto: Un Catalizador para la Innovación
Al lanzar TxGemma como un modelo de código abierto, Google está fomentando un entorno colaborativo y acelerando el ritmo del descubrimiento.
El impacto potencial se amplifica.
Investigadores de todo el mundo pueden contribuir al desarrollo del modelo, refinando sus algoritmos, expandiendo su base de conocimientos y adaptándolo a necesidades de investigación específicas.
El Futuro del Descubrimiento de Fármacos
La introducción de TxGemma y otras herramientas impulsadas por IA representa un importante paso adelante en la búsqueda de un desarrollo de fármacos más eficiente y eficaz. Si bien la IA no es una solución mágica, tiene un inmenso potencial para aumentar la experiencia humana, acelerar los plazos de investigación y, en última instancia, llevar terapias que salvan vidas a los pacientes más rápido. La evolución continua de la IA en las ciencias de la vida promete un futuro en el que el descubrimiento de fármacos esté más impulsado por los datos, sea más preciso y, en última instancia, más exitoso.