Un proyecto basado en ‘machine learning’ identifica hasta 390 potenciales fármacos contra el coronavirus
Joaquín Dopazo lidera un proyecto que utiliza un algoritmo de ‘machine learning’ para identificar proteínas involucradas en la enfermedad y cruzar esa información con una base de datos de fármacos usados en otros trastornos. “Comprobamos si algunas de las proteínas detectadas son dianas terapéuticas de medicamentos aprobados para otras indicaciones, y concluimos que estos tratamientos podrían actuar sobre los mecanismos que provocan los daños de COVID-19”, explica el investigador, receptor en 2018 de una Ayuda para Equipos en Big Data de la Fundación BBVA.
Joaquín Dopazo, director del Área de Bioinformática Clínica de la Fundación Progreso y Salud en Sevilla, parte de “un modelo matemático del mecanismo de la enfermedad”, que representa dinámicamente lo que a nivel genético le ocurre al paciente de COVID-19. “Nuestro objetivo es aplicar el mismo sistema que ya aplicamos para identificar dianas terapéuticas contra las enfermedades raras en el proyecto apoyado por la Fundación BBVA”, apunta.
El proyecto analiza todo el proceso de la enfermedad, desde el mecanismo del propio virus hasta las reacciones que desencadena en el organismo. Algo muy relevante ya que “hay que tener en cuenta que la gente está muriendo no de la propia infección, sino de la brutal respuesta inmunológica provocada por el virus, que desencadena un proceso de inflamación letal”.
Joaquín Dopazo (segundo por la izquierda), junto al equipo de investigación - Fundación BBVA
Aunque los resultados todavía son preliminares, mediante la aplicación de este programa de ‘machine learning’ ya han logrado identificar hasta unos 390 fármacos potenciales que podrían actuar sobre dianas terapéuticas del virus y el proceso de infección. En concreto, los cuatro con mejor resultado, y que ya se encuentran en fase de ensayo, son la cloroquina y la hidroxicloroquina, tratamientos que ya se utilizan contra la malaria, el antiviral oseltamivir y el inmunosupresor tocilizumab para la artritis reumatoide. “Es interesante que el programa ha recomendado justamente la hidroxicloroquina y la cloroquina, lo cual te da confianza de que el método funciona, y los demás fármacos que te está recomendando pueden ser válidos”, comenta Dopazo.
Cuenta atrás para encontrar un tratamiento
Esta investigación refleja el gran potencial biomédico del ‘machine learning’ como herramienta científica. Gracias a los avances en este campo, las máquinas inteligentes pueden hoy ser entrenadas para clasificar conjuntos de datos con una precisión humana o, en ocasiones, incluso mejor. “Este tipo de inteligencia artificial te ayuda a encontrar patrones y relaciones de una manera muy eficaz. Es como un GPS que te guía en la búsqueda y así puedes apuntar con mucha mayor precisión a la hora de encontrar posibles dianas terapéuticas”, señala Dopazo. Para el investigador, “la máquina no hace nada que no pueda hacer el ser humano, pero puede ser muy útil a la hora de ayudarte a detectar vínculos de causa-efecto sin sesgos, como típicamente hacen las personas”.
La aplicación de esta forma de inteligencia artificial podría agilizar la identificación de posibles medicamentos contra la COVID-19 entre los fármacos que ya existen para otras enfermedades. Esto implicaría un relevante ahorro económico y, sobre todo, acortar los tiempos para encontrar un tratamiento eficaz en unos pocos meses.