La resistencia antimicrobiana es uno de los mayores desafíos de la medicina moderna. Cada año aumentan las infecciones y cada vez son más difíciles de tratar. Si no logramos actuar de forma efectiva, en 2050 podría ser la principal causa de muerte a nivel mundial.
Según el informe “Global Burden of Disease Study”, publicado en The Lancet, en 2019 se estimaron 4,71 millones de muertes asociadas a infecciones resistentes, 1,27 millones de ellas directamente atribuibles a esa causa. Son cifras que reflejan una crisis sanitaria creciente, impulsada no solo por el uso indebido de antibióticos en medicina y ganadería, sino también por la escasez de información sobre este problema de salud en la sociedad y por la falta de desarrollo de nuevos fármacos eficaces.
Alternativas a los antibióticos
Ante este panorama, urge encontrar soluciones efectivas. Una de ellas es tratar infecciones sin necesidad de utilizar fármacos antimicrobianos mediante la fagoterapia (el uso de virus que infectan bacterias) o el desarrollo de péptidos antimicrobianos.
Otra estrategia menos conocida es el reposicionamiento de fármacos. Consiste en buscar, con ayuda de la IA y otras técnicas, nuevas aplicaciones terapéuticas para medicamentos o moléculas que ya se encuentran registrados y aprobados. Esto reduce el tiempo y el coste que supone el desarrollo de nuevos fármacos, porque son moléculas que han superado las fases iniciales de seguridad.
¿Antibióticos en antidepresivos?
En lo que se refiere a las enfermedades infecciosas, la estrategia de reposicionamiento ya ha identificado diversas moléculas con actividad antibiótica previamente desconocida. Por ejemplo, algunos antiinflamatorios como el diclofenaco y el ibuprofeno. Nuestra propia investigación ha detectado también esa actividad en antidepresivos y antipsicóticos.
Para este proceso es clave la aplicación de modelos de predicción matemáticos, que pueden anticipar la eficacia de compuestos contra microorganismos resistentes analizando grandes volúmenes de datos biomédicos. Por eso, los modelos que combinan IA y bioinformática son de gran interés para la industria farmacéutica que desarrolla nuevos fármacos.
En primer lugar, la IA puede simular interacciones entre fármacos y patógenos a nivel molecular, lo que permite anticipar cómo los microorganismos podrían desarrollar resistencia y ayudar a diseñar antibióticos más robustos. Estas simulaciones ahorran tiempo y recursos, además de proporcionar una comprensión más profunda de los mecanismos de resistencia.
Así, mediante el análisis de grandes bases de datos biomédicos –genes, proteínas, fármacos…–, los modelos basados en aprendizaje automático han predicho la actividad antibacteriana de compuestos como los análogos del péptido mastoparan derivados del veneno de avispa.
Otro enfoque exitoso ha sido la simulación molecular, que predice cómo “se mueve” una molécula al interactuar con la proteína de interés. Esta herramienta permitió identificar las propiedades antimicrobianas de algunos antihipertensivos, como el olmesartán y el valsartán, frente a bacterias patógenas como Pseudomonas aeruginosa o Streptococcus pneumoniae.
Además, los últimos avances exploran metodologías nuevas, como los estudios transcriptómicos (el estudio de genes de un organismo y la expresión de estos en proteínas y metabolitos) y el análisis topológico de datos. Este último, a pesar de tratarse de una estrategia “joven”, ha demostrado su utilidad en la identificación de potenciales antimicrobianos mediante el reposicionamiento de fármacos ya registrados por la Administración de Alimentos y Medicamentos estadounidense (FDA por sus siglas en inglés).
El potencial del análisis topológico
El análisis topológico de datos es un modelo de predicción matemático que aplica la geometría y la topología; es decir, a partir de los datos disponibles de una molécula crea un mapa, normalmente tridimensional, que recopila toda la información estructural y funcional de dicha molécula. Este método nos ha permitido identificar moléculas con potencial antibiótico tras identificar similitudes estructurales entre proteínas humanas y proteínas de la bacteria Escherichia coli, responsable del 90 % de las infecciones urinarias en todo el mundo.
Los resultados obtenidos mediante simulación por ordenador o análisis computacional nos revelaron posibles direcciones de desarrollo de nuevos antibióticos a partir de la estructura química de algunos antidepresivos, antipsicóticos, antitumorales y antihistamínicos.
Una nueva era en la lucha contra las infecciones
Estos hallazgos refuerzan la idea de que el reposicionamiento de fármacos, combinado con herramientas computacionales, puede ofrecer nuevas soluciones terapéuticas a las infecciones resistentes a los antibióticos conocidos. Con una mejora de precisión de los modelos actuales, sería posible desarrollar de una manera más rápida y eficaz un nuevo arsenal antimicrobiano. Y estaría disponible a una velocidad mayor a la que los microorganismos adquieren las resistencias.
En un contexto donde la resistencia antimicrobiana representa una de las tres mayores amenazas para la salud global, apostar por enfoques basados en IA y modelado computacional no solo es una opción viable, sino una necesidad urgente para garantizar tratamientos efectivos frente a las enfermedades infecciosas.
Es posible que estemos a las puertas de una nueva era en el tratamiento de infecciones, donde, con ayuda de la IA, los antibióticos del futuro sean diseñados y optimizados por ordenador. ¡Ojalá sean “antibióticos inteligentes”!
