El moderno Prometeo: la inteligencia artificial en el desarrollo de fármacos (Parte I)

Por: Carlos Naranjo Castañeda y Eusebio Juaristi, Departamento de Química del Cinvestav.

La creación de la vida artificial, ya sea en el ámbito de la ciencia-ficción o mediante la tecnología del momento ha sido un tema fascinante durante muchos años. El “monstruo” creado por el Dr. Víctor Frankenstein en la novela de Mary Shelley, es un ejemplo clásico de la creatividad y el esfuerzo que se requieren para lograr un objetivo tan ambicioso. En la actualidad, el desarrollo de la vida artificial se está realizando a través de la inteligencia artificial (IA), que se está constituyendo como una herramienta poderosa para ayudar a la humanidad en diversas áreas, incluyendo el desarrollo de fármacos (entiéndase como fármaco a la sustancia química que se utiliza para prevenir o tratar enfermedades).

El “monstruo” de Frankenstein y la IA pueden parecer dos conceptos muy diferentes, pero ambos comparten numerosas características en común. Por una parte, la capacidad que tienen las máquinas inteligentes de aprender a través de la exposición a nuevos estímulos, así como la capacidad de adaptarse y cambiar su constitución en respuesta a ellos. Tanto las máquinas inteligentes el hombre artificial construido a partir de miembros sin vida comienzan siendo un sistema básico y torpe que se pueden programar para realizar tareas complejas. Sin embargo, a medida que se entrenan, pueden desarrollar destrezas inimaginables hasta tomar decisiones propias, y eventualmente, quién sabe, quizás hasta alcanzar la perfección y la inmortalidad tan anhelada.

Una pregunta obligada es: ¿cómo aprenden estos seres potencialmente inteligentes y autosuficientes?

En el campo de la IA las estrategias de aprendizaje pueden ser muy variadas e involucran tecnicismos complicados, de difícil comprensión.  A continuación, explicaremos de manera sencilla los conceptos básicos. Para facilitar esta introducción te invitamos a imaginar algunas situaciones relacionadas con el aprendizaje que debe superar el “monstruo”.

Aprendizaje supervisado

Trata de imaginar que le quieres enseñar al “monstruo” de Frankenstein a diferenciar cosas. Por ejemplo, le muestras un mango y le dices: ponme atención, ¡este es un mango! Luego, le muestras una manzana y le dices: ¡esta es una manzana! Consecuentemente, el monstruo retendrá en su memoria lo aprendido, y lo mejor es que enriquecerás aún más su aprendizaje y capacidad para diferenciar objetos mientras más variedades de mangos y manzanas le muestres. Prácticamente, se volverá un experto en esas frutas ya que además aprenderá a diferenciar entre variantes de estas.

Algo muy similar ocurre con los algoritmos computacionales (los algoritmos consisten en una serie de instrucciones para realizar una tarea específica) asociados con la IA: que aprenden de información proporcionada por sus entrenadores los humanos. Es decir, de la misma forma como aprende el “monstruo” de Frankenstein a identificar los patrones o características del mundo humano que lo rodea, la IA puede aprender y reconocer los objetos que se le presentan.

Aprendizaje no supervisado

Ahora imagina que al “monstruo” le muestras una caja llena de diferentes objetos, como lápices, libros, gomas, plumas, colores, tijeras, etc. De pronto, ves que el monstruo explora y juega entre las cosas; y pasado un tiempo observas que comienza a ordenarlas como él considera adecuado (Seguramente lo hará con base en sus formas, colores, olores, etc.). De manera similar, un algoritmo de IA que utiliza aprendizaje no supervisado, sin ninguna instrucción o ayuda humana, puede analizar grandes cantidades de datos y encontrar patrones y agrupaciones que no son necesariamente obvias para uno a primera vista.

Aprendizaje por refuerzo

Ahora, vamos a enseñarle al “monstruo” a jugar con una pelota (la regla es que tiene que repetir todo lo que hagamos con la pelota) y le daremos un premio cada vez que lo haga bien. Para las máquinas es muy similar, los algoritmos computacionales aprenden a realizar tareas mediante la obtención de recompensas o penalizaciones. El programa intenta realizar una tarea, y si lo hace correctamente, recibe una recompensa. Si no lo hace correctamente, recibe una sanción. Con el tiempo, el programa aprenderá a realizar las tareas de manera correcta.

Con las formas de aprendizaje antes mencionados surge la pregunta: ¿Será posible que la IA pueda encontrar la cura para enfermedades mortales en un plazo de semanas en lugar de los años requeridos actualmente en la industria farmacéutica?

Es un tanto complicado en la actualidad alcanzar tal objetivo, pero no imposible. Al igual que para el Dr. Víctor Frankenstein, su ambición era la creación de un ser perfecto e inmortal, para los desarrolladores de la IA, su meta es que la máquina inteligente sea mediante la IA una herramienta infalible que pueda aumentar la eficiencia en la búsqueda y desarrollo de fármacos.

Una de las actividades humanas más importantes es la comunicación, ya que es el principal vínculo entre el inventor y su invención. En este sentido, Víctor Frankenstein tenía clara tal necesidad, y aunque entendía el potencial de su creación, también era consciente de las limitaciones iniciales y de la complejidad de las dificultades que había que superar antes de poder comunicarse con el “monstruo” que había creado. De la misma manera, los investigadores en la actualidad saben que, para comunicarse con los sistemas de cómputo, los algoritmos y modelos deben de gozar de una excelente capacidad de interacción. Así mismo, se requiere contar con suficientes datos de calidad para llevar a cabo un entrenamiento eficaz que evite en lo posible las torpezas y errores de comunicación. En este sentido, en la investigación farmacéutica los pasos determinantes para desarrollar modelos predictivos precisos y relevantes son: (1) la preparación de datos, lo que implica la acumulación, el preprocesamiento y la transformación con la finalidad de traducirlos en representaciones legibles por las máquinas, y (2) el entrenamiento, el proceso por el cual la máquina inteligente mediante algoritmos aprende a buscar patrones y relaciones entre los datos que le son proporcionados. Esto podría entenderse como la forma de ayudar ya sea al “monstruo” o a la máquina inteligente, a depurar y ordenar una caja llena de pequeñas piezas de rompecabezas que tienen diferentes formas y colores, para que en un futuro por sí solas puedan armar diferentes imágenes completas de manera rápida.

Dicho lo anterior, cabe resaltar que se tienen altas expectativas por la IA y su potencial para analizar grandes cantidades de datos científicos. (Conforme avancemos te explicaremos otros conceptos, como son los repositorios de dianas farmacológicas, moléculas con actividad biológica, el manejo de los resultados de ensayos clínicos, etc.); es decir, información de moléculas o sustancias que pueden ser útiles para el tratamiento de las enfermedades. En la práctica, la maquina inteligente arma el rompecabezas a partir de la identificación de patrones de similitud en actividad farmacológica de diversos fármacos, lo que puede llevar al descubrimiento de nuevas moléculas químicas con el potencial terapéutico deseado, de manera rápida y eficiente. (Compréndase como potencial terapéutico la posibilidad de tratar la enfermedad de manera exitosa).