Jeffrey Snyder, de Broadcast Retirement Network, analiza el uso de la inteligencia artificial en el descubrimiento de fármacos con el científico en biotecnología Andrew R. Snyder, Ph.D.
Jeffrey Snyder, Red de Jubilación de Radiodifusión
Me acompaña ahora el Dr. Andrew Snyder. Es investigador, desarrollador y científico de fármacos y, para ser honesto, también es mi hermano. Dr. Snyder, Andy, es un placer verlos esta mañana.
Andrew R. Snyder, Ph.D., científico en biotecnología en etapa inicial
Es un placer estar contigo otra vez, Jeff.
Jeffrey Snyder, Red de Jubilación de Radiodifusión
Sí, siempre es un placer comunicarnos con usted. Antes de adentrarnos en la inteligencia artificial y el proceso de desarrollo de fármacos, quiero analizar la inversión y la innovación. ¿Cómo estás?
Según sus relaciones en esta área, ¿ve más inversión ahora que la última vez que participó en el programa?
Andrew R. Snyder, Ph.D., científico en biotecnología en etapa inicial
Quizás gradualmente. Creo que hay algunas pequeñas grietas. La última vez que hablamos de ventanas de salida a bolsa, es posible que se hayan abierto un poco.
Ciertamente hay muchas noticias importantes en el frente de fusiones y adquisiciones, y todo esto tendrá un impacto en el sector de la innovación. Creo que estamos viendo señales positivas en nuestro entorno.
Jeffrey Snyder, Red de Jubilación de Radiodifusión
Asombroso. Esta es una gran noticia. Creo que es genial para los pacientes.
Esto es fantástico para todos nosotros porque necesitamos estas innovaciones para seguir viviendo vidas más largas, más felices y más saludables. Bien, Andy, hablemos primero del proceso tradicional de desarrollo de fármacos. Se necesita mucho tiempo.
¿Puedes describir cómo se ve de principio a fin?
Andrew R. Snyder, Ph.D., científico en biotecnología en etapa inicial
Sí, es un comienzo fantástico, Jeff. Mi experiencia tiende a ser innovadora, por lo que hay nuevos objetivos, tal vez una modalidad existente, pero algo nuevo. Simplemente dirás que son números aproximados, pero te dará un marco de tiempo.
Dirás que llevar un medicamento al mercado cuesta 2 mil millones de dólares y dirás que llevará de 10 a 15 años. Estos son los costos asociados con la introducción de una nueva modalidad. Hay muchos obstáculos en este camino.
Una bestia toma un nuevo objetivo académico y comprende si es un buen objetivo o no, prueba ese objetivo en busca de tal vez una pequeña molécula que lo module y luego lo desarrolla preclínicamente para que funcione en modelos animales. Esta es la fase preclínica y ahí es donde paso todo mi tiempo, pero en realidad es donde está la menor inversión. Ahí es cuando ingresas a la clínica, donde realizas investigaciones valiosas y costosas sobre los pacientes, a veces por primera vez con una nueva modalidad o con un nuevo objetivo.
Jeffrey Snyder, Red de Jubilación de Radiodifusión
Creo que lo llamaríamos ensayo clínico. Pruebas un medicamento para ver que es un proceso y lo pruebas para ver si realmente funciona y hace lo que se supone que debe hacer y si hay cambios en el camino. Ahora hablemos de inteligencia artificial, porque estás leyendo lo mismo que yo, pero viendo las noticias.
La IA acaba de extenderse por todas partes, desde la manufactura hasta los servicios financieros. Mucha gente usa JETGPT. No estamos en esa red, pero ¿cómo puede la IA ayudar a eliminar algunos de esos cuellos de botella de los que hablaba?
¿Quizás esto realmente ayude a acelerar ese proceso de 10 a 15 años del que hablabas?
Andrew R. Snyder, Ph.D., científico en biotecnología en etapa inicial
Jeff, eso es esperanza. Estamos viendo que la IA impregna cada etapa del proceso de desarrollo de fármacos. Permítanme darles algunos ejemplos claros de lo que veo cuando leo las noticias, hablo con personas de mi campo y miro hacia el futuro.
Creo que, ya sabes, hablemos primero del descubrimiento. Bien. Por eso existen herramientas llamadas AlphaFold que ayudan a predecir la estructura de las proteínas.
Y podría brindarles a los químicos y otros desarrolladores de fármacos una oportunidad mejor y más rápida de encontrar la molécula correcta ahora que pueden tener una estructura 3D al alcance de su mano. Del mismo modo, existen incluso estos enfoques monumentales para crear laboratorios autónomos que no sólo funcionan por sí solos, ya sabes, moviendo placas por el laboratorio, sino que también, entre comillas, piensan por sí mismos y prueban sus propias hipótesis, ¿verdad? Aquí en el área de Boston hay empresas como Lila Biosciences que son realmente pioneras en este enfoque.
Creo que estaba mirando lo que se llama superinteligencia de laboratorio. Y realmente están tratando de estimular la innovación. Y permítanme darles un tercer ejemplo de lo que sucede en el lado del objetivo realmente temprano.
Hay una empresa en California llamada Tahoe que está trabajando en conjuntos de datos de perturbaciones unicelulares. Tratan células e intentan comprender las interacciones entre diferentes moléculas y diferentes proteínas. Y terminan haciendo que muchos de estos datos estén disponibles públicamente, pero también los utilizan para obtener información clave sobre los objetivos de la lucha contra las drogas, ¿verdad?
Por lo tanto, intentan encontrar conexiones entre los datos que puedan proporcionar un objetivo mejor que el que normalmente encontrarían.
Jeffrey Snyder, Red de Jubilación de Radiodifusión
Entonces, ya sabes, solías hacer, yo diría, lo llamaría trabajo de prueba de zanjas. ¿El futuro Dr. Andrew Snyder es en parte científico y en parte investigador? Entonces realmente estás cambiando.
Alguien en su campo está utilizando esta tecnología y está cambiando su enfoque. Porque creo que con estos conjuntos de datos y esta nueva tecnología, es posible que no sea necesario utilizar las mismas tácticas. Quizás ajuste sus tácticas.
Nuevamente, no soy un profesional aquí, pero estoy pensando en cómo sería un futuro científico investigador como usted. ¿Cómo se llega allí utilizando esta tecnología?
Andrew R. Snyder, Ph.D., científico en biotecnología en etapa inicial
Bueno, mira, creo que algo de esto está por determinar. Veamos cómo se desarrolla esto. Tengo química y la gente me dice que algo de esto tiene que determinarse empíricamente, ¿verdad?
La forma en que hacemos las cosas puede seguir siendo la forma en que hacemos las cosas. Pero hay otros conjuntos de datos que ciertamente pueden utilizarse. Y creo que es comprender dónde están estos cuellos de botella y dónde ubicamos estas herramientas, ¿verdad?
Especialmente empresas, ya sabes, como las grandes empresas farmacéuticas que tienen enormes conjuntos de datos clínicos y preclínicos. La IA será realmente clave. ¿Cómo podemos estudiar estos datos para establecer conexiones que nos llevarían una eternidad establecer?
O tal vez no los vimos. Entonces, ya sabes, no sé si voy a ser un científico de datos, pero creo que ese debería ser el enfoque de todos a medida que avanzamos a través de todos estos diferentes procesos de descubrimiento y desarrollo de fármacos.
Jeffrey Snyder, Red de Jubilación de Radiodifusión
Sí, al menos conectado a tu cadera, por así decirlo, así que ya sabes, lo comparo con que ambos somos fanáticos de los Orioles, desafortunadamente, en algunos aspectos. En la actualidad hay muchos extras en los deportes que trabajan directamente con los entrenadores. Quizás esto sea una analogía.
Y luego supongo que mi última pregunta, y volveremos con ustedes el próximo mes, es, por supuesto, quiero hablar sobre el proceso regulatorio. Porque si se utiliza inteligencia artificial, imagino que la FDA, otras agencias reguladoras tendrán que tener en cuenta que algunos de estos modelos de datos se están utilizando para crear nuevos medicamentos. Quiero decir, creo que cambia el enfoque tradicional del entorno regulatorio.
Andrew R. Snyder, Ph.D., científico en biotecnología en etapa inicial
Bueno, no lo sé, seguirán necesitando los mismos paquetes de datos, ya sabes, el medicamento tiene que ser seguro y eficaz para ser aprobado. Y, por supuesto, hay ciertas situaciones con muchas necesidades insatisfechas en las que, ya sabes, hay aprobaciones aceleradas, etc., basadas en conjuntos de datos históricos. Pero creo que el paquete de datos seguirá siendo el mismo.
Sabes, simplemente creo que este es un caso en el que tenemos la oportunidad de acelerar el descubrimiento y desarrollo de fármacos. Sabes, Jeff, hay otro lugar, ya sabes, leí en alguna parte y no quiero, ya sabes, desviarme, alrededor del 10% de los activos de la fase uno terminan siendo aprobados. Y por eso el 90% de ellos no lo hace.
Por diversas razones. Pero si podemos usar la IA, que se está haciendo en todo el ecosistema, para dirigir el método correcto en el momento adecuado a los pacientes correctos, tal vez solucionemos algunas de estas fallas, ¿verdad? Y tal vez podamos dirigir estos tratamientos a las personas adecuadas.
Entonces, ya sabes, estamos viendo esto a lo largo del ciclo de vida aquí, de principio a fin, creo que veremos qué nos depara el futuro. Pero hay muchas esperanzas de que pueda afectar varios pasos en el proceso de descubrimiento de fármacos.
Jeffrey Snyder, Red de Jubilación de Radiodifusión
Sí, ni siquiera hablamos de experiencia e inexperiencia. Quiero decir, tienes años de experiencia creando medicamentos y procesos. Es importante colaborar con los científicos de datos en los conjuntos de datos que estudia la IA.
Dr. Snyder, Andy, tendremos que dejar esto aquí. Siempre es agradable ver esto. Ya veo, me gustaría ver un poco más en persona.
Quizás nos veamos muy pronto. Pero esperamos tenerlo de regreso en el programa muy pronto.
Andrew R. Snyder, Ph.D., científico en biotecnología en etapa inicial
Gracias jeff.
