Segun MarkTechPost (AI/ML News), un equipo de investigadores ha desarrollado un flujo automatizado de inteligencia artificial que permite identificar nuevos inhibidores de la proteína EGFR, clave en el tratamiento de tumores de pulmón no pequeños. El enfoque se centra específicamente en la mutación C797S, que provoca resistencia a medicamentos como osimertinib. Este modelo combina herramientas especializadas para resolver el objetivo biológico mediante bases de datos como ChEMBL y UniProt, luego filtra y procesa registros de actividad bioquímica para formar un conjunto de datos de pIC50 limpio y estructurado. Mediante el uso de RDKit, se estandarizan las moléculas, se eliminan sales y se agrupan mediciones repetidas, mientras se generan huellas de Morgan y se extraen características físico-químicas que permiten al sistema aprender patrones químicos significativos, no solo secuencias alfabéticas.
Posteriormente, se entrena un modelo de Regresión Aleatoria con división por estructura (scaffold-split Random Forest), que permite evaluar la capacidad de generalización del modelo a nuevos tipos químicos. Se utilizan métricas como el coeficiente de determinación (R²) y el error cuadrático medio para medir la precisión del modelo. Además, herramientas como SHAP y análisis de importancia de características permiten identificar qué fragmentos moleculares contribuyen más a la actividad biológica. Las subestructuras clave se visualizan para facilitar la interpretación del comportamiento del modelo. En una etapa posterior, se aplica un diseño generativo mediante la recombinación de fragmentos activos del sistema BRICS, generando análogos virtuales que se evalúan en cinco criterios: potencia, viabilidad farmacéutica, capacidad de síntesis, originalidad y potencial de desarrollo. Finalmente, los candidatos seleccionados se validan en la base de datos PubChem para confirmar su existencia y propiedades.
Este enfoque, aunque desarrollado en entornos académicos, ofrece un modelo replicable que podría ser adaptado a contextos de investigación farmacéutica en América Latina. Para el lector peruano, esto significa que tecnologías de inteligencia artificial están cada vez más cerca de transformar el acceso a medicamentos innovadores. Aunque el proceso aún se encuentra en fases de desarrollo, el hecho de que se puedan automatizar y optimizar pruebas de diseño químico abre puertas a soluciones más rápidas y económicas para enfermedades crónicas como el cáncer. En un país donde el sistema de salud enfrenta desafíos de acceso y escalabilidad, esta tecnología podría ser clave para acelerar la producción de fármacos localmente diseñados y validados, reduciendo dependencia de medicamentos importados.