¿Encontrar fármacos para enfermedades minoritarias? Con la IA es posible
El superordenador MareNostrum abre la puerta a estudiar patologías hasta ahora excluidas de las grandes bases de datos
BarcelonaLa capacidad para analizar grandes volúmenes de datos de la inteligencia artificial (IA) ha seducido a sectores de todo tipo y la investigación médica no es una excepción: en los últimos años han proliferado herramientas para cuantificar el riesgo de padecer cáncer o controlar la diabetes, pero también por acelerar las fases de diseño y validación de nuevos medicamentos. Sin embargo, existe un área inexplorada e históricamente desplazada: las enfermedades minoritarias. Al menos hasta ahora. El Barcelona Supercomputing Center (BSC) ha desarrollado la primera tecnología de IA para estudiar e identificar tratamientos para las enfermedades minoritarias mediante uno de los superordenadores más potentes de Europa, el MareNostrum 5.
Conocidas como raras porque afectan sólo entre un 5% y un 7% de la población, estas patologías sufren de falta de interés por parte de las farmacéuticas, que no ven rentable el diseño de nuevos fármacos, lo que también provoca que el volumen de información que se tiene sea escaso. Todo ello ha dificultado la creación de algoritmos que agilicen su investigación, como se hace con otras patologías. La investigación del BSC, publicada este miércoles en Nature Communications, se basa en el análisis de grandes bases de datos externas y ya ha permitido descubrir las potenciales causas de los síndromes miasténicos congénitos, que provocan un conjunto de diversas enfermedades minoritarias que afectan al movimiento, provocan debilitamiento muscular y se presentan en diferentes grados de gravedad dependiendo de los pacientes.
Para ello, un consorcio internacional ha estudiado durante diez años una cohorte de veinte personas de una pequeña población de Bulgaria que comparte mutaciones causantes de este tipo de enfermedad. Las metodologías de IA basadas en redes multicapa –que reconocen patrones complejos y aprenden de ellos– permitieron a los investigadores comprobar que los pacientes presentaban diferencias en algunos de los genes e hipotetizaron que aquí se escondía la razón de la multiplicidad de síntomas y de respuesta a unos fármacos y no a otros. Por ejemplo, el porqué en algunos casos el salbutamol, que se utiliza habitualmente para tratar el asma, era eficaz para controlar la patología y en otros no.
Este estudio lo ha capitaneado el director del departamento de ciencias de la vida del BSC, Alfonso Valencia, y ha durado más de una década: arrancó en el 2014 y ha pasado por manos de dos consorcios con una veintena de instituciones de todo el mundo. "Sabemos que hay pocos pacientes con enfermedades minoritarias y, normalmente, para poder entender cómo funciona una patología, cómo se comporta o por qué aparece, es necesaria mucha información. Si sólo tienes 10 pacientes, hay un puzzle donde faltan muchísimas piezas", plantea al investigador del BSC Iker Núñez-Carpintero, miembro de la Unidad de Machine Learning para Investigación Biomédica del BSC.
El estudio parte de una cuestión paradójica per se: si el principal escollo para comprender las enfermedades minoritarias es la falta de datos, ¿los especialistas en esta área pueden utilizar el big data y la IA para profundizar en su conocimiento? El estudio del BSC muestra que es posible a partir de la información de grandes bases de datos de otras enfermedades.
Reposicionamiento de medicamentos
Dado que las tecnologías de IA están diseñadas para el análisis de grandes volúmenes de datos, hasta ahora no se habían entrenado para escenarios donde la disponibilidad de información es tan limitada como en las enfermedades raras. Sin embargo, ahora el BSC reenfoca esta herramienta y plantea la posibilidad de analizar grandes bases de datos con sistemas de supercomputación como el MareNostrum para revisar la información que ha sido acumulada de otras enfermedades donde sí hay muchos pacientes y que presentan síntomas o causalidades genéticas a priori similares.
"La investigación de estas enfermedades requiere el análisis simultáneo de la información de cada paciente con el conocimiento biomédico general que se ha acumulado durante la última década. Esta tarea requiere una fuerte infraestructura computacional y sólo ahora empieza a convertirse en una realidad", afirma Núñez-Carpintero. Con esta potente infraestructura se puede hilar muy delgado, a escala genética, para identificar las semejanzas entre enfermedades, síntomas y respuestas terapéuticas, cruzando los datos a gran velocidad y con alta precisión. "Podemos ver si hay alguna información que nos ayude a entender la enfermedad rara porque quizá se asemeja a otra por X o Y. Si me faltan muchas piezas de un puzzle, quizás puedo tomar de referencia la información de otras enfermedades que se acumula en las bases de datos, recuperarlas y que nos resulte útil", añade el investigador.
La metodología de IA creada por el BSC utiliza información de grandes bases de datos biomédicas, sobre todo sobre procesos biológicos, para explorar las relaciones entre los genes de cada paciente para identificar algún vínculo de relación funcional. Los impulsores de este proyecto también aseguran que esta nueva tecnología permite desarrollar nuevas estrategias de reposicionamiento de fármacos, que en el caso de enfermedades raras es esencial por la dificultad de diseñar tratamientos específicos y la falta de interés de la industria farmacéutica.