Emplearán inteligencia artificial para estudiar cómo envejecemos
Tras un acuerdo entre la Universidad Austral y la de Stanford, científicos locales podrán acceder a la base de datos más completa en esta temática.
Un equipo de investigadores argentinos acaba de sumarse a uno de los proyectos científicos mundiales más prometedores: por medio de un convenio –firmado entre la Universidad Austral y la Universidad de Stanford, en EE.UU.–, científicos argentinos podrán acceder a la base de datos biológicos más completa del planeta diseñada para estudiar el proceso del envejecimiento y sus principales patologías asociadas. Obtenida a partir de análisis bioquímicos muy completos, con miles de muestras de sangre, la observación de esos datos puede acelerar la identificación de nuevos medicamentos y mejorar la eficiencia de las políticas de salud pública.
El flamante grupo de investigación local pertenece al Centro de Inteligencia Artificial Aplicada, y “se dedicará a hacer investigaciones para desarrollar soluciones innovadoras frente a problemáticas globales”, le dijo a PERFIL su director ejecutivo, Julián Maggini. (Ver recuadro).
Su principal objetivo será analizar, en forma inteligente, complejos “sets de datos” médicos para entender cómo surgen algunas de las enfermedades asociadas al envejecimiento. Y, en ese camino, acelerar la identificación de moléculas capaces de convertirse en medicamentos.
“En 2008 nació en Standford el proyecto ‘Mil inmuford nomas’, con el objetivo de investigar las bases biológicas del envejecimiento y entender el fenómeno de la respuesta inflamatoria y desentrañar cómo actúan algunas de las enfermedades típicas”, le contó a PERFIL David Furman, biólogo egresado de la UBA, director del proyecto en Standatos e investigador asociado de la Universidad Austral. “Para eso –agregó– analizamos muestras de sangre de más de mil personas, de entre 9 y 96 años. Y también cargamos sus historias clínicas detalladas, las patologías, el genoma, la presencia de proteínas, metabolitos y otros
similares en una única gran base”.
Como el volumen de esta información es enorme la única manera de encontrar patrones para estudiar causas, efectos y obtener conclusiones es recurrir a herramientas de Inteligencia Artificial (IA) y
Machine Learning. “Así podemos realizar investigaciones concretas relacionadas con el funcionamiento del sistema inmune, su deterioro con los años y cómo se asocia con las patologías y la longevidad”.
Avances. Los resultados que ya lograron son prometedores. “Pudimos seleccionar las mejores moléculas que pueden convertirse en nuevos medicamentos relacionados con el envejecimiento cardiovascular prematuro. Hay miles de ‘candidatas’ y usando IA pudimos identificar, con una certeza cercana al 90%, los más prometedores. Eso acelera el desarrollo de nuevas drogas, algo que –en la forma tradicional puede tomar hasta diez años–, y una reducción en los costos que pueden llegar a cientos de millones de dólares”, dijo Furman.
Para Maggini, el análisis inteligente de estas bases puede solucionar uno de los grandes problemas de la industria farmacéutica. “De cada cien nuevas drogas que se prueban menos de diez resultan eficaces y eso explica sus costos. Recurriendo a la IA y a los datos es posible seleccionar con qué moléculas hacer ensayos clínicos o cuáles no causarán efectos secundarios y disminuir estos tiempos en hasta dos órdenes de magnitud. Obviamente, los costos también serán menores”.
Otro ejemplo de las soluciones de esta forma de investigar es poder predecir qué grupo de adultos mayores responderá mejor a la vacunación antigripal. “Esta vacuna debe aplicarse cada año y su eficiencia no es alta. Y cuanto más envejecemos su protección disminuye y la tasa de éxito cae del 90 al 30%”, dijo Furman. “Entender por qué pasa y saber de antemano en quiénes será efectiva es un gran avance”. Con su equipo ya lograron identificar grupos de “buenos respondedores” a la vacunación. “Analizamos datos biológicos y –de cada cien personas– en 85 casos pudimos predecir de antemano, cuán protegidos estarían. Esto es clave para mejorar las políticas de salud pública”.
También permitirá acelerar la identificación de nuevas drogas terapéuticas