“Humano virtual programable”: crean un paciente digital que será empleado para probar fármacos

Una nueva investigación de la Universidad Northeastern, en Boston, publicada en la revista Drug Discovery Today, propone crear un "humano virtual programable", un paciente digital sobre el que probar medicamentos nuevos sin tocar un solo cuerpo de carne y hueso. El objetivo es radical: anticipar eficacia y toxicidad de los fármacos mucho antes de llegar al ensayo clínico, la instancia donde hoy se pierde la mayoría de los candidatos.

La industria farmacéutica ya conoce de memoria el periplo. Para que una molécula llegue a las farmacias se necesitan entre 10 y 15 años de trabajo, inversiones que se cuentan en miles de millones de dólares y un sistema que falla en alrededor del 90 por ciento de los casos. La mayor parte de los posibles fármacos se cae en fases avanzadas, cuando el compuesto ya se probó en humanos y aparece el golpe de realidad: es poco efectivo, demasiado tóxico o ambas cosas a la vez.

El modelo actual es una paradoja de alta tecnología con baja eficiencia. En las primeras etapas, la industria suele obsesionarse con un gen o una proteína "estrella" asociada a la enfermedad. Toda la investigación gira alrededor de esa diana: se comprueba si la molécula se pega bien a esa proteína, si la inhibe o la activa, si el efecto se ve en cultivos celulares o en modelos animales. Pero el cuerpo humano no es un diagrama prolijo, sino una red caótica donde miles de genes y proteínas interactúan al mismo tiempo. Lo que funciona perfecto en un tubo de ensayo puede desatar un desastre cuando el compuesto entra en circulación, llega al hígado, rebota en el sistema inmune o altera circuitos neuronales que nadie estaba mirando.

Ese cortocircuito entre la elegancia del laboratorio y la brutalidad de la clínica es el punto de partida del equipo de Northeastern. Los investigadores lo resumen sin adornos: predecir una interacción perfecta entre una proteína y un fármaco no garantiza un buen resultado clínico. El verdadero objetivo es entender cómo cambia el cuerpo entero cuando entra en escena esa molécula. Esa es la apuesta central del trabajo recientemente publicado en Drug Discovery Today y al que la Agencia de Noticias Científicas de la Universidad Nacional de Quilmes pudo acceder.

En los últimos años se instaló el concepto de "gemelo digital": réplicas virtuales de órganos o pacientes que usan datos reales para simular cómo responde el cuerpo a un tratamiento. Son herramientas valiosas, pero dependen en gran medida de información ya disponible sobre fármacos conocidos o de etapas tardías de desarrollo. Sirven para ajustar dosis, evaluar escenarios, reducir algunos ensayos, pero no alcanzan para apostar con seguridad por una molécula completamente nueva.

El trabajo se planta un paso más adelante. En lugar de un gemelo digital que necesita la historia clínica previa, propone un humano virtual programable capaz de recibir un compuesto "virgen" —que nunca se probó en nadie— y simular qué le haría a un organismo humano desde el minuto cero.

En esta propuesta, el humano virtual no es un avatar amable en la pantalla, sino un modelo matemático gigantesco que combina biología, física, inteligencia artificial y lo que en la jerga se conoce como "multi-omics": bases de datos masivas sobre genes, proteínas, tipos celulares y tejidos, construidas a partir de experimentos de laboratorio de alta resolución.

Qué hace este "paciente de laboratorio"

El proyecto apuesta a integrar tres mundos que hasta ahora funcionaron bastante separados. Por un lado, los modelos mecánicos clásicos, como los modelos farmacocinéticos, que describen cómo se absorbe, distribuye, metaboliza y elimina un fármaco en el cuerpo. Por otro, los modelos de aprendizaje automático, capaces de encontrar patrones en montañas de datos biológicos y clínicos. Por último, el conocimiento biológico y fisiológico acumulado en décadas de papers y bases de datos, organizado como un mapa gigantesco del organismo.

Con esa mezcla, el humano virtual programable debería ser capaz de seguir el recorrido de un nuevo compuesto desde que entra por la boca o se inyecta, ver cómo se disuelve, qué concentración alcanza en sangre, en qué órganos se acumula y cuánto tarda en eliminarse. Pero ahí no termina el viaje. El modelo baja después a la escala microscópica: simula qué proteínas se ven afectadas en cada tipo de célula, cómo cambian los patrones de expresión de genes y qué sucede en los circuitos celulares cuando aparece el fármaco.

A partir de esa cascada de cambios, el sistema intenta conectar lo molecular con lo clínico. Si se alteran ciertos genes en neuronas de una región determinada del cerebro, eso podría traducirse en mejora de la memoria o, por el contrario, en riesgo de convulsiones. Si se disparan rutas inflamatorias en el hígado, el modelo puede marcar señales de toxicidad antes de que un solo voluntario tome la primera dosis.

Los autores sostienen que este tipo de humano virtual sería especialmente útil para enfermedades complejas como el Alzheimer o diversos trastornos neurológicos, donde no existe "el gen de la enfermedad", sino redes enteras de genes y proteínas alteradas al mismo tiempo. En esos casos, un modelo que integre muchos niveles a la vez podría ayudar a seleccionar combinaciones de dianas más realistas y a evitar fármacos que funcionan en ratones, pero no mueven la aguja en pacientes humanos.

Debajo del lenguaje técnico aparece un mensaje políticamente fuerte para la industria: si un humano virtual programable funciona como prometen sus creadores, el sector podría reducir de manera drástica el número de ensayos "a ciegas". En lugar de llevar al laboratorio decenas de compuestos y ver cuáles sobreviven, se podrían simular primero cientos o miles de variantes en este paciente digital y filtrar solo las más prometedoras para los estudios costosos.

Eso implicaría un recorte directo en costos y tiempos, pero también un cambio de cultura. La IA dejaría de ser un simple acelerador de procesos viejos para convertirse en el espacio donde se hacen experimentos que serían imposibles —o inaceptables éticamente— en el mundo real. En el horizonte aparece incluso la posibilidad de simular pacientes individuales: modelos que se ajustan con datos de una persona concreta para anticipar, por ejemplo, qué tratamiento oncológico tiene más chances de funcionar y cuál sería una mala idea.

Lo que falta

El entusiasmo viene acompañado de una lista considerable de "peros". Para que un humano virtual programable sea algo más que un buen paper, haría falta primero seguir alimentando el modelo con datos de alta calidad: mapas cada vez más finos de cómo funcionan los tejidos humanos, de cómo cambian frente a distintas enfermedades y de cómo responden a perturbaciones químicas específicas.

Luego aparece el desafío de la integración. No alcanza con tener buenos modelos parciales —del hígado, del corazón, del sistema inmune— si esos módulos no "hablan" entre sí. Lo que el grupo de científicos propone es justamente un marco unificado que vaya desde las moléculas hasta los síntomas clínicos, algo que, por ahora, ningún actor de la industria domina por completo.

Además, para que un regulador apruebe decisiones basadas en estos humanos virtuales, la comunidad científica tendrá que demostrar que los modelos son confiables, interpretables y replicables. No se trata solo de que un algoritmo acierte, sino de entender por qué lo hace y qué margen de error tiene. La apuesta, según el propio equipo, exige alianzas globales entre universidades, laboratorios farmacéuticos y agencias regulatorias dispuestas a incorporar simulaciones de este tipo en sus procesos de evaluación.

El trabajo lo plantea de forma frontal: la IA no va a cambiar nada si el paradigma de descubrimiento de fármacos sigue siendo el mismo. El verdadero salto, sostienen los autores, llegará cuando se acepte que el objetivo no es solo encontrar la molécula que encaja mejor en una proteína, sino entender cómo responde el sistema humano completo al tratamiento.

En el fondo, la propuesta de los humanos virtuales programables no es solo una cuestión de hardware o algoritmos, sino de definición. El descubrimiento de fármacos dejaría de ser una carrera de ensayo y error alrededor de dianas aisladas para convertirse en un ejercicio de ingeniería de sistemas biológicos, donde cada decisión se toma mirando el mapa completo y no solo una esquina del tablero.

Ese es, según los autores, el lugar donde la inteligencia artificial puede marcar una diferencia real: no como fábrica de moléculas genéricas, sino como infraestructura para que la biología humana se vuelva programable, testeable y —hasta cierto punto— predecible. Si ese "paciente de bits" llega a madurar, la próxima generación de medicamentos quizá no nazca en un tubo de ensayo, sino en la simulación detallada de un cuerpo humano que solo existe en la pantalla, pero que podría decidir qué vale la pena probar en el mundo real.

Info: María Ximena Perez – Agencia de Noticias Científicas