Así usa Google su inteligencia artificial para desarrollar medicamentos más rápido

Google lanza dos nuevas herramientas de inteligencia artificial en la nube para crear fármacos en las que ya trabajan empresas como Pfizer.

17 mayo, 2023 10:21

Marta Sanz Romero

No todo son chatbots como ChatGPT o modelos capaces de generar imágenes o vídeos falsos, la inteligencia artificial abarca muchos ámbitos más allá de los que han incendiado el debate de si esta tecnología es o no un peligro para la humanidad, en el que también la comunidad médica debate sobre su uso. Quienes defienden el desarrollo de la IA argumentan que esta tecnología simplifica el tratamiento de grandes bases de datos en busca de tratamientos médicos, entre otros beneficios. En este ámbito, Google ha presentado dos nuevas herramientas de inteligencia artificial con las que pretende acelerar y simplificar el trabajo de las farmacéuticas para crear nuevos medicamentos.

El gigante de internet combina el desarrollo de su inteligencia artificial, enfocada en la biomedicina, con la alta capacidad de sus servicios en la nube para servir a la comunidad científica. Así, Google anuncia que ya están disponibles dos plataformas o suites para organizaciones médicas o compañías en las que ya están trabajando gigantes de esta industria como Pfizer.

El primer producto presentado es Target and Lead Identificación Suite que ayuda a los investigadores a identificar mejor la función de los aminoácidos y predecir la estructura de las proteínas en su búsqueda de nuevos objetivos de investigación y desarrollo de fármacos. En segundo lugar, Multiomics Suite acelera el descubrimiento y la interpretación de datos genómicos, ayudando a las empresas a diseñar tratamientos con más precisión en menor tiempo y coste.

Identificando objetivos

La primera herramienta de Google se enfoca en el inicio del proceso, cuando los investigadores identifican un objetivo biológico en el que centrarse y sobre el que diseñar un tratamiento. Esto significa que deben identificar la estructura, por lo general, de una proteína, determinar su función y su papel en alguna enfermedad. Esta fase puede llevar al equipo de investigación alrededor de 12 meses, según un manual de la Biblioteca Nacional de Medicina Federal estadounidense, una gran cantidad de tiempo que no siempre da buenos resultados en la búsqueda.

En esta primera fase, el gigante de internet despliega toda una serie de herramientas con las que facilitar y acelerar la investigación. Por un lado, Google Cloud permite a los científicos de diferentes organizaciones registrar y compartir los datos moleculares de la proteína que están estudiando a través de Analytics Hub. Esos datos sirven, por otro lado, a AlphaFold a predecir la estructura de la proteína.

Ilustración de Google de investigación biomedica Google Omicrono

En 2022, Google DeepMind consiguió catalogar con AlphaFold la estructura de 200 millones de proteínas. AlphaFold 2 es un modelo de aprendizaje automático con el que Google puede predecir la estructura 3D de una proteína con más precisión que los procesos tradicionales como la cristalografía de rayos X y la resonancia magnética nuclear (RMN). Se ejecuta en Vertex AI de Google desde donde los investigadores pueden construir e implementar modelos de aprendizaje automático propios más rápido.

Los primeros usuarios de Target and Lead Indentification Suite incluyen farmacéuticas multinacionales como Pfizer y compañías de biotecnología como Cerevel. Esta última empresa, estima a CNBC que ahorrará al menos tres años de media con estas herramientas a la hora de descubrir nuevos fármacos, reduciendo los recursos y el trabajo manual necesario para ello en el proceso tradicional.

Millones de datos evolutivos

En segundo lugar, Google despliega el uso de la suite Multiomics en Google Cloud, una plataforma en la nube con la que se pretende dar a las organizaciones la infraestructura necesaria para afrontar el ingente trabajo que requiere el análisis de grandes cantidades de datos genómicos.

Según el Instituto de Investigación del Genoma Humano de EEUU, una sola secuencia del genoma humano requiere más de 200 gigabytes de almacenamiento. Para poner en contexto, se espera que en 2025, almacenar los datos genómicos del mundo entero requerirá 40 exabytes, siendo solo 5 exabytes el espacio considerado como necesario para guardar todas las palabras pronunciadas por la humanidad.

La empresa Colossal Biosciences, explica a CNBC, que con esta ayuda han ahorrado mucho tiempo y dinero, acercándose más a sus objetivos. "Estamos pensando en cómo obtener información sobre 10.000, 20.000, 10 millones de años de historia evolutiva. Y esas preguntas simplemente no se responden sin una infraestructura informática escalable y herramientas como la computación en la nube y Multiomics", afirman.