El sistema de diseño de proteínas impulsado por inteligencia artificial «AlphaProteo», perteneciente a Google DeepMind, avanza con pasos firmes y rápidos hacia un impacto médico real y tangible sobre el terreno. Isomorphic Labs, la empresa derivada de Google especializada en el descubrimiento de fármacos, se prepara para iniciar los ensayos clínicos en humanos con medicamentos diseñados íntegramente mediante técnicas de inteligencia artificial a finales de 2026. Este desarrollo marca un hito en la historia de la medicina moderna, al combinar las enormes capacidades de cálculo de las máquinas con la profunda comprensión de la compleja biología humana.
Del laboratorio a la clínica: el viaje de la innovación
Durante el evento Wired Health celebrado esta semana en Londres, Max Jaderberg, director de Isomorphic Labs, declaró que el motor de diseño de fármacos generalizable de la compañía, conocido como «IsoDDE», ha logrado «un rendimiento revolucionario en las capacidades fundamentales esenciales para el proceso de descubrimiento de fármacos». Este anuncio representa un punto de inflexión importante para el sistema «AlphaProteo», presentado por primera vez al público en septiembre de 2024 como un sistema avanzado de inteligencia artificial capaz de diseñar nuevas proteínas que se unen a moléculas diana con una precisión sin precedentes en la historia de la ciencia médica.
El sistema «AlphaProteo» alcanza capacidades de unión que superan entre 3 y 300 veces a los mejores métodos y técnicas anteriores, considerados hasta entonces el patrón oro en este campo. Estas capacidades superiores se han demostrado en 7 proteínas diana evaluadas rigurosamente en entornos de laboratorio estrictos. Entre los logros más destacados de este innovador sistema se encuentra el éxito sin precedentes en el diseño de una proteína de unión dirigida contra el factor de crecimiento endotelial vascular («VEGF-A»), una proteína estrechamente vinculada al desarrollo del cáncer y a complicaciones graves de la diabetes. En los experimentos biológicos de laboratorio realizados con la proteína viral «BRRF1», el 88 por ciento de las moléculas candidatas propuestas por el sistema lograron unirse a sus objetivos específicos con total éxito, lo que demuestra la alta eficiencia y fiabilidad del modelo.
Asociaciones estratégicas con gigantes de la industria farmacéutica
Los éxitos de Isomorphic Labs no se han limitado a la investigación teórica o de laboratorio, sino que la empresa ha asegurado importantes asociaciones estratégicas con principales farmacéuticas mundiales como Eli Lilly y Novartis. Estas asociaciones tienen como objetivo aprovechar la plataforma revolucionaria para desarrollar líneas avanzadas de producción de medicamentos en el campo de la oncología.
En el Foro Económico Mundial celebrado el pasado mes de enero, Demis Hassabis, fundador y director ejecutivo de la empresa, declaró que prevé que sus primeros fármacos diseñados por inteligencia artificial entren en la fase de ensayos clínicos a finales de este año, un cronograma ajustado desde un objetivo anterior fijado para finales de 2025. Este movimiento refleja la complejidad y la sensibilidad de trasladar la tecnología desde las pantallas de los ordenadores a los cuerpos de los pacientes, un proceso que requiere un compromiso estricto con los más altos estándares de seguridad y eficacia.
¿Cómo funciona esta tecnología revolucionaria?
La tecnología subyacente que impulsa esta innovación se basa en un proceso compuesto por dos pasos complementarios: el primero utiliza un modelo transformador generativo entrenado con bases de datos masivas, concretamente el «Protein Data Bank», además de más de 100 millones de estructuras proteicas predichas extraídas del conocido sistema «AlphaFold». El segundo paso consiste en un modelo de filtrado avanzado que predice qué diseños tendrán éxito en los experimentos físicos reales. Este enfoque innovador permite a los investigadores generar proteínas de unión funcionales en una sola ronda de cribado, sin necesidad de realizar procesos de optimización adicionales, costosos y prolongados.
Una agenda científica más amplia para la inteligencia artificial
El sistema «AlphaProteo» forma parte de una tendencia más amplia liderada por Google DeepMind para integrar la inteligencia artificial en el núcleo de la investigación científica. En un artículo publicado por la revista Fortune en febrero, Hassabis y James Manyika, vicepresidente sénior de Google, señalaron que el sistema «AlphaFold» ya ha sido utilizado por más de 3 millones de investigadores repartidos en 190 países de todo el mundo. Desde entonces, la compañía ha ampliado significativamente su cartera científica con la incorporación de nuevas herramientas como «AlphaGenome», cuyo objetivo es predecir cómo las mutaciones genéticas en el ADN provocan enfermedades, además de la tecnología de «asistente científico basado en inteligencia artificial», que ayuda a los investigadores a generar nuevas e innovadoras hipótesis de investigación.
En una profunda reflexión sobre el ritmo de este asombroso progreso, Jaderberg escribió en una publicación en LinkedIn: «Si volvemos a 2021, la idea de utilizar la inteligencia artificial para diseñar medicamentos era solo una hipótesis. Un sueño. Hoy, apenas 5 años después, vemos los resultados. Funciona de verdad».
Preguntas frecuentes
¿Qué es el sistema «AlphaProteo»?
Es un sistema avanzado basado en técnicas de aprendizaje automático para diseñar nuevas proteínas capaces de unirse a moléculas diana con altísima precisión, abriendo nuevos horizontes en el desarrollo de tratamientos eficaces para enfermedades intratables.
¿Cuándo comenzarán los ensayos clínicos de los fármacos diseñados con esta tecnología?
Isomorphic Labs se prepara para iniciar ensayos clínicos en humanos con estos medicamentos innovadores a finales de 2026, tras alcanzar impresionantes éxitos en el laboratorio.
¿Cuál es la tasa de éxito del sistema en los ensayos de laboratorio?
En las pruebas de laboratorio con una proteína viral específica, el 88 por ciento de las moléculas diseñadas por el sistema lograron unirse con éxito a sus objetivos específicos, alcanzando además capacidades de unión que superan hasta 300 veces a las de los métodos anteriores.
