- Investigadores del MIT han logrado descubrir los primeros nuevos antibióticos en más de seis décadas gracias a la IA
- El hallazgo podría ser vital para luchar contra la resistencia a los antibióticos, que causa miles de muertes al año
LUIS FELIPE LÁZARO / TELECINCO
Un equipo de científicos del MIT ha logrado un avance histórico en el campo de la medicina al descubrir los primeros nuevos antibióticos en más de 60 años, gracias a la inteligencia artificial (IA). Este hallazgo podría ser clave para combatir la resistencia a los antibióticos, un problema que afecta a millones de personas en el mundo que se enfrentan a bacterias muy difíciles de tratar.
El estudio, publicado en Nature, muestra cómo los modelos de IA pueden predecir qué moléculas tienen propiedades antibióticas. El profesor James Collins, coautor del trabajo y experto en Ingeniería y Ciencias Médicas del MIT, resaltó la ventaja de este método, que permite obtener una visión química estructural que no se tenía antes.
Un modelo de aprendizaje profundo permite hallar nuevos antibióticos
Los 21 investigadores que participaron en el estudio usaron un modelo de aprendizaje profundo, una técnica basada en redes neuronales artificiales, para evaluar la actividad y toxicidad de un nuevo compuesto. El aprendizaje profundo es esencial para el descubrimiento de fármacos, ya que facilita la búsqueda de candidatos, la estimación de propiedades y el desarrollo de fármacos.
El objetivo del estudio fue el Staphylococcus aureus resistente a la meticilina (SARM), una bacteria que puede causar desde infecciones leves en la piel hasta enfermedades graves y mortales como neumonía o infecciones en la sangre.
El SARM es responsable de unos 150.000 casos al año en la Unión Europea, y unas 35,000 personas mueren por infecciones resistentes a los antimicrobianos, según el Centro Europeo para la Prevención y el Control de las Enfermedades.
«Abrir la caja negra»
El modelo de aprendizaje profundo del MIT analizó unos 39.000 compuestos para evaluar su actividad antibiótica contra el SARM. Luego, combinó estos datos con las estructuras químicas de los compuestos para “abrir la caja negra” y entender mejor el mecanismo.
Para mejorar la selección de fármacos, los investigadores usaron otros tres modelos de aprendizaje profundo, entrenados para medir la toxicidad en distintas células humanas. Así, pudieron encontrar compuestos que fueran efectivos contra el SARM y que no dañaran el cuerpo humano.
Buscando entre unos 12 millones de compuestos que se venden en el mercado, los modelos hallaron candidatos potenciales de cinco clases diferentes. Después, se hicieron pruebas en el laboratorio con 280 de estos compuestos, y se encontraron dos antibióticos candidatos que funcionaron en experimentos con ratones infectados con SARM. En ambos casos, estos compuestos redujeron la cantidad de SARM en un factor de 10.