Durante décadas, los antibióticos cambiaron la historia de la medicina y salvaron millones de vidas. Pero las bacterias comenzaron a adaptarse más rápido de lo esperado y los descubrimientos dejaron de avanzar al mismo ritmo. Ahora, una nueva herramienta basada en inteligencia artificial promete cambiar esa dinámica con un método que no depende del azar, sino de decisiones precisas capaces de explorar millones de posibilidades en tiempo récord.
El problema silencioso que preocupa a la medicina mundial
La resistencia antimicrobiana se convirtió en una de las mayores amenazas sanitarias del planeta. Infecciones que hace algunos años podían tratarse fácilmente vuelven a representar un riesgo serio debido a que muchas bacterias han aprendido a resistir los medicamentos existentes.
La situación preocupa especialmente porque el desarrollo de nuevos antibióticos se ha desacelerado de manera drástica. Gran parte de las familias de antibióticos que todavía se utilizan fueron descubiertas entre las décadas de 1940 y 1960, un período conocido como la “edad de oro” de estos medicamentos. Desde entonces, las innovaciones realmente revolucionarias han sido escasas.
El principal obstáculo es la enorme complejidad del problema. Cada antibiótico depende de una combinación molecular específica, pero la cantidad de moléculas posibles es prácticamente infinita. Encontrar una que funcione correctamente puede compararse con buscar una aguja en un bosque interminable.
Durante años, los científicos recurrieron a métodos tradicionales: analizar sustancias naturales, probar miles de combinaciones y revisar enormes bases de datos químicas. A veces aparecían resultados prometedores, pero el proceso seguía dependiendo en gran medida de la prueba y el error.
– ShutterStock
La herramienta que cambia la lógica de búsqueda
En ese contexto, investigadores de la Universidad de Pensilvania desarrollaron una nueva herramienta de inteligencia artificial llamada ApexGO, presentada en la revista Nature Machine Intelligence. El sistema propone un enfoque diferente al de la mayoría de las investigaciones actuales.
En lugar de crear moléculas desde cero o revisar millones de opciones al azar, la plataforma parte de un pequeño grupo de candidatos que ya muestran cierto potencial. A partir de allí, introduce modificaciones estratégicas para mejorar gradualmente sus propiedades antimicrobianas.
Cada cambio es evaluado por un modelo predictivo que calcula si la nueva versión será más eficaz contra bacterias peligrosas. De esa manera, el sistema aprende qué modificaciones valen la pena y cuáles no, acelerando enormemente el proceso de diseño.
Según explicó César de la Fuente, líder del estudio, descubrir antibióticos implica moverse dentro de un espacio molecular gigantesco. La ventaja de ApexGO es que permite recorrer ese espacio con una dirección mucho más precisa y eficiente.
Resultados que sorprendieron incluso a los investigadores
El desempeño de la herramienta fue uno de los aspectos más impactantes del estudio. En pruebas de laboratorio realizadas con bacterias patógenas, el 85 % de las moléculas diseñadas por el sistema logró frenar el crecimiento bacteriano.
Además, el 72 % de esos compuestos resultó más efectivo que las moléculas originales utilizadas como punto de partida. Los investigadores también probaron algunos de estos péptidos en modelos animales y observaron resultados comparables a los obtenidos con la polimixina B, un antibiótico considerado de último recurso cuando otros tratamientos fallan.
Jacob Gardner, coautor de la investigación, reconoció que existía preocupación sobre la posibilidad de que las moléculas funcionaran únicamente en simulaciones informáticas. Sin embargo, la mayoría también mostró eficacia en condiciones reales de laboratorio.
El funcionamiento técnico de ApexGO se basa en la combinación de dos modelos distintos. Uno propone cambios específicos en la estructura molecular y el otro predice el nivel de actividad antimicrobiana que podrían generar. Ambos sistemas trabajan juntos utilizando herramientas matemáticas avanzadas para decidir dónde conviene seguir explorando.
Un posible cambio de era en la búsqueda de antibióticos
Aunque los resultados todavía corresponden a etapas tempranas de investigación, el impacto conceptual del avance ya genera expectativas en la comunidad científica. Durante décadas, la búsqueda de antibióticos dependió principalmente de descubrir compuestos ocultos en la naturaleza o de realizar pruebas masivas sin demasiada orientación.
La inteligencia artificial plantea ahora una alternativa distinta: diseñar moléculas activamente en lugar de esperar encontrarlas por casualidad. Esto podría reducir tiempos, costos y acelerar la aparición de tratamientos frente a bacterias cada vez más resistentes.
Aun así, los expertos aclaran que los compuestos identificados todavía deberán atravesar años de pruebas para confirmar su seguridad y eficacia en humanos antes de convertirse en medicamentos reales.
Sin embargo, el mensaje detrás de este desarrollo parece claro: mientras las bacterias evolucionan constantemente, la ciencia empieza a responder con herramientas capaces de aprender y adaptarse mucho más rápido que antes.
[Fuente: La Razón]
