La Inteligencia artificial y el Big Data ayudando a la innovación farmacéutica

A algunos les gusta, a otros no. Para unos, representan un futuro oscuro donde el Ser Humano es el esclavo de la máquina (hasta que Keanu Reeves nos salve). Para otros, es la posibilidad de un porvenir más sereno. Sin embargo la Inteligencia artificial y los Big Data están aquí, y ya empiezan a transformar nuestras vidas… y en particular nuestros medicamentos.

Los relojes conectados, nuestros smartphones, tu portátil colectan de manera permanente datos. Y estos se utilizan con fines más o menos laudables: desde la geolocalización que te permite encontrar tu celular perdido, hasta la producción de publicidades enfocadas para hacerte comprar mercancías basándose en tus costumbres de consumo. En el mundo de la salud también inmensas cantidades de datos se ven colectados, pero con fines muy diferentes. Durante una donación de sangre (las reservas están vacías, de hecho, ¿una buena resolución que tomar para 2022?), cuando el donante declara fiebre en las 24 horas, las bolsas se pueden recuperar para la investigación. Otro caso en concreto, en el transcurso de protocolos de ensayos clínicos, unas colecciones llamadas « biotecas » se constituyen con muestras que vienen de decenas, centenares o miles de pacientes. Estas muestras se utilizan para hacer análisis a veces extremadamente amplias y que superan meramente el marco de una sola disciplina, para generar bases de datos que contienen a veces miles de informaciones en miles de muestras anónimas. ¿Cómo tratar estas cantidades de datos? ¿Cómo pueden ser útiles a la innovación farmacéutica? Pequeño viaje en el corazón del desarrollo de los medicamentos, versión 4.0…

Los « ómicos » : genoma, transcriptoma, proteoma, microbioma…

En el cuerpo humano, hay células. Literalmente, somos un montón de células. Algunas son “nuestras”, nuestras células procediendo de la fusión del espermatozoide y del óvulo. Estas células contienen en su núcleo nuestro ADN, nuestro genoma (el conjunto de nuestros genes), que vienen por la mitad del padre y por la otra mitad de la madre (véase las referencias para los más curiosos, para tener más detalles). Aquí, el sufijo « -oma » hace referencia a un conjunto. Los algunos 22000 genes codificados para proteínas se verán luego transcritos en ARNs mensajeros. Se habla de conjunto como siendo el transcript-oma. Los ARNs mensajeros se traducen luego en proteínas, y el conjunto de estas últimas constituyen el proteoma, etc. Pero en un cuerpo humano, las células humanas son minoritarias! Asi es! Nuestro organismo, nuestro cuerpo contiene en efecto más células no humanas que células humanas. Nuestra flor bacteriana, nuestro microbioma, del que comenzamos a comprender cómo interactúa con nuestras células e impacta nuestra salud. Del orden de 500 especies diferentes para una persona dada… y en función de las familias de bacterias representadas en el microbioma de un individuo, a veces es posible asociar una patología o predecir la calidad de la respuesta a un tratamiento dado.

Los Big Data, son como las cebollas…

Además del hecho que te pueden hacer llorar (en particular a los estudiantes), el punto común entre el bulbo aromático y las bases de datos, son las capas. Una base de datos, es una de esas capas de informaciones en varias dimensiones a través de las cuales no podemos ver a simple vista. Toma una capa de cebolla. Ponla delante de una fuente luminosa. Puedes observar las estrías que la atraviesan, localizarlas, contarlas. Por superposición, quizás lograrás compararla con la siguiente. Ahora, toma el bulbo entero delante de la lámpara, verás que el combo ojo-lámpara no está adaptado para explorar la totalidad del espesor de las capas de la cebolla. El término de análisis, literalmente cortar en pedazos, cobra en esta metáfora culinaria todo su sentido. Salvo que si puedes efectivamente tomar cada capa y observar los dibujos por separado y comparar los dibujos de dos en dos para luego llegar a producir informaciones sobre la estructura completa del bulbo, cuando hayas terminado, tus convives se habrán ido a comer al restaurante hace tiempo. Mucho tiempo. Entonces, el Big Data solo, no es muy útil. Falta una herramienta, capaz de analizar más rápido que el ojo humano. De efectuar unas comparaciones simples con una gran velocidad, sin desconcentrarse, cometer errores o tener que tomar una pausa para dormir.

Algoritmos, inteligencias artificiales, la diferencia es el aprendizaje

Los algoritmos, tienen malicias. Para l@s que conozcan la serie de juego-libro “un libro del que eres el héroe”, es un algoritmo.

Toma una cebolla
Si tiene piel, pasa al número 3. Sino, pasa al 6
Asegúrate que la piel esté limpia. Si lo es, pasa al 5, sino pasa al 4
Enjuaga la cebolla, luego pasa al 5
Quita la piel, luego pasa al 6
Corta la cebolla y luego pasa al 7. Si no te gusta cortar la cebolla, pasa al 8
Pon la cebolla a cocer, luego pasa al 8
Lavate las manos.

Según la CNIL, o Comisión nacional de la informática y de las libertades, un algoritmo es « una serie terminada y no ambigua de instrucciones que permiten acabar con un resultado a partir de datos dados de entrada ».

Entonces, la diferencia con la Inteligencia artificial, ¿qué es? Según el matemático Cedric Villani, «no hay definición posible ». Ah… ¿y la CNIL? Dicen lo mismo. Si hiciese falta simplificar con desmesura, sería posible decir que la diferencia se sitúa en el aprendizaje. Reglas del algoritmo dedicadas a observar y tomar en cuenta numerosos parámetros, conservar en memoria los precedentes cortes de cebolla para anticipar cómo lavar y cortar mejor la próxima, o porqué no cambiar el orden de parámetros del algoritmo en función de instrucciones exteriores, y tonces tomar en cuenta el contexto, memorizar y aprender. Salvo que cada una de estas etapas es la suma de instrucciones simples, terminadas y no ambiguas que permiten acabar con un resultado a partir de datos dados de entrada. En resumen, algoritmos…

¿Dolor de cabeza? Comete una cebolla. No te va a hacer nada, es solo con tal de que te tomes un descanso antes de abordar el meollo del tema: ¿cómo la IA y los Big Data puede ayudar a desarrollar nuevos medicamentos, más seguros o mejor utilizar los que tenemos a disposición?

La IA y el análisis del Big Data.

32 millones. Es el número de artículos (al tanteo) contenidos en Pubmed, la base de datos de los artículos científicos.

La búsqueda « onion » en Pubmed da 8025 resultados. A razón de 15 artículos leídos cada día, hace falta un año y medio para leerlo todo. ¡Faltará acordarse del primer artículo una vez llegado al final!

El desarrollo de un medicamento, que se trate de una nueva molécula o de una antigua que queremos usar en una nueva indicación (para tratar otra enfermedad que la por la cual fue desarrollada), se empieza por una “revista de literatura”. Lo que significa leer las publicaciones que tratan del tema y hacer de ellas una síntesis. Contextualizar. Por ejemplo, si quiero hacer la revista de literatura sobre las cebollas, tecleo “onion” en Pubmed, y tengo 8025 artículos que leer. Si soy un.a investigador.a, leo bien el inglés, trato alrededor de 15 artículos al día. A este ritmo, me hace falta un año y medio para ocuparme de esta parte. Otra solución, es emplear a 500 investigadores, y darles quince artículos que leer a cada uno, el análisis tarda un solo día. Pero antes de hacerlo, hay que decirles que buscar, qué información recopilar, entonces dar instrucciones para acabar con un resultado a partir de datos dados de entrada. ¡Un algoritmo! Y como la lectura del texto se puede aprender (aprendemos a leer, y luego aprendemos la ciencia) al imbricar algoritmos en los algoritmos, es posible acabar con una automatización del procedimiento. Y el programa que lo hace toma el nombre de Inteligencia artificial.

Unas aplicaciones que sobrepasan de lejos la lectura de texto

Un algoritmo o inteligencia artificial no se limita en buscar informaciones en textos. Interpretar una imagen, contar, calcular, desencriptar… todas estas operaciones son accesibles virtualmente al ser humano en unos plazos o movilizando recursos que hagan la tarea ardua. Describir una interfaz de interacción entre dos moléculas atomo por atomo, predecir la afinidad de un medicamento con su meta, buscar factores de riesgo de una enfermedad en unas bases de datos de genomico, todas estas tareas se han vuelto accesibles en unos plazos relativamente cortos con la única condición de disponer de un ordenador suficientemente potente como para hacer girar los programas de Inteligencia artificial, y entonces anticipar mejor el perfil de eficacia o los riesgos de efectos indeseados de un candidato medicamento, sin reclutar ni un paciente, y utilizando un único ratón…

Fuentes: