Máquinas inteligentes en busca de tratamientos eficaces contra el coronavirus

Máquinas inteligentes en busca de tratamientos eficaces contra el coronavirus

Según explica Dopazo, director del Área de Bioinformática Clínica de la Fundación Progreso y Salud, en Sevilla, esta investigación parte de “un modelo matemático del mecanismo de la enfermedad”, que representa dinámicamente lo que a nivel genético le ocurre al individuo que padece COVID-19. Este modelo ha sido desarrollado por el consorcio científico internacional Disease Maps, del que forma parte el equipo de Dopazo.

Ayudas_Equipos_Big_Data_2018_Joaquin_Dopazo_1600x650

“Nuestro objetivo es aplicar el mismo sistema que ya aplicamos para identificar dianas terapéuticas contra las enfermedades raras en el proyecto apoyado por la Fundación BBVA”, señala el investigador.

A partir del modelo matemático de COVID-19, Dopazo y sus colegas utilizan un algoritmo de ‘machine learning’ para identificar proteínas involucradas en la enfermedad, y a continuación cruzan esta información con una base de datos de fármacos que ya se utilizan para tratar otros trastornos. “Así comprobamos si algunas de las proteínas detectadas son dianas terapéuticas de medicamentos aprobados para otras indicaciones, y concluimos que estos tratamientos podrían actuar sobre los mecanismos que provocan los daños de COVID-19”.

Dopazo recalca que el proyecto analiza todo el proceso de la enfermedad, no solo el mecanismo del propio virus, sino las reacciones que desencadena el Sars-CoV-2 en el organismo. “Hay que tener en cuenta”, explica, “que la gente está muriendo no de la propia infección, sino de la brutal respuesta inmunológica provocada por el virus, que desencadena un proceso de inflamación letal”.

Hasta 390 fármacos potenciales

De momento, aunque los resultados todavía son preliminares, mediante la aplicación del programa de ‘machine learning’ ya han logrado identificar “hasta unos 390 fármacos potenciales”, asegura Dopazo, que podrían actuar sobre dianas terapéuticas del virus y el proceso de infección.

De hecho, cuatro de los medicamentos recomendados por el sistema de inteligencia artificial con una puntuación más alta son la cloroquina y la hidroxicloroquina, tratamientos que ya se utilizan contra la malaria, o el antiviral oseltamivir y el inmunosupresor tocilizumab para la artritis reumatoide. Todos ellos se están ensayando ahora mismo contra el coronavirus, aunque de momento no se ha demostrado su efectividad.

“Es interesante que el programa ha recomendado justamente la hidroxicloroquina y la cloroquina, lo cual te da confianza de que el método funciona, y los demás fármacos que te está recomendando pueden ser válidos”, explica Dopazo.

Según explica el investigador, al agilizar la identificación de posibles medicamentos contra la COVID-19 entre los fármacos que ya existen para otras enfermedades, la aplicación de este sistema de inteligencia artificial podría suponer un considerable ahorro económico y de tiempo en la búsqueda de tratamientos. Aún teniendo en cuenta que cada posible fármaco tendrá que pasar por un proceso de ensayos clínicos con pacientes infectados por el coronavirus, el hallazgo de una terapia eficaz podría acelerarse de manera notable y lograrse en unos pocos meses.

Esta investigación refleja el gran potencial biomédico que puede tener en la actualidad el ‘machine learning’ como herramienta científica, un campo impulsado por Isabelle Guyon, Vladimir Vapnik, y Bernhard Schölkopf, los tres pioneros galardonados este año con el Premio Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación. Gracias a los avances en este campo, las máquinas inteligentes pueden hoy ser entrenadas para clasificar conjuntos de datos con una precisión humana o, en ocasiones, incluso mejor.

“Este tipo de inteligencia artificial”, recalca Dopazo, “te ayuda a encontrar patrones y relaciones de una manera muy eficaz. Es como un GPS que te guía en la búsqueda y así puedes apuntar con mucha mayor precisión a la hora de encontrar de posibles dianas terapéuticas. La máquina no hace nada que no pueda hacer el ser humano, pero puede ser muy útil a la hora de ayudarte a detectar vínculos de causa-efecto sin sesgos, como típicamente hacen las personas”.

 

Noticia Original: Fundación BBVA.

Description: 
“Machine Learning para combatir enfermedades raras”, apoyado en 2018 por una Ayuda para Equipos en Big Data de la Fundación BBVA