¿Puede la "vacuna del futuro" diseñada por IA adelantarse a las pandemias?

La pandemia de COVID-19 dejó dos lecciones importantes para el mundo. Una es que la humanidad puede desarrollar vacunas a una velocidad sin precedentes. La otra es la realidad de que, a pesar de ello, es fácil quedarse atrás ante las mutaciones del virus.

Incluso cuando una vacuna está completa y su administración se extiende, el virus sigue mutando. Si aparece una nueva variante, la eficacia de las vacunas existentes puede cambiar, requiriendo dosis adicionales o el desarrollo de versiones mejoradas. Las vacunas contra la gripe enfrentan un problema similar, actualizándose anualmente para predecir las cepas en circulación.

El equipo de investigación de la Universidad de Cambridge y la empresa biotecnológica DIOSynVax, derivada de la misma universidad, están tratando de cambiar fundamentalmente este enfoque de "persecución continua" mediante el desarrollo de vacunas diseñadas por IA. Este estudio, reportado por la BBC y otros medios, ha captado la atención como el primer intento mundial de evaluar componentes clave de una vacuna diseñada por inteligencia artificial en humanos.

El objetivo de los investigadores no es una vacuna que solo responda a variantes específicas. Están buscando una vacuna "preparada para el futuro" que identifique y enseñe al sistema inmunológico a reconocer debilidades comunes en un amplio espectro de coronavirus. En otras palabras, en lugar de perseguir virus ya en circulación, la idea es prepararse para virus relacionados que aún no han aparecido en la sociedad humana.

¿Qué es un "superantígeno"?

En el centro de una vacuna se encuentra un componente llamado antígeno. El antígeno actúa como una señal que enseña al sistema inmunológico a "recordar esta forma como un enemigo". Las vacunas convencionales diseñan antígenos basados en virus en circulación o partes de virus identificados en el pasado.

Sin embargo, los virus mutan. Si la señal cambia, el sistema inmunológico tiene más dificultades para identificar al enemigo. Por lo tanto, el método tradicional requiere actualizar las vacunas para que coincidan con las cepas en circulación.

Aquí es donde el equipo de Cambridge utilizó la IA. Recopilaron información genética de coronavirus registrada en programas de vigilancia global y la analizaron con IA. El objetivo es encontrar partes del virus que no cambian fácilmente incluso cuando muta, es decir, estructuras comunes cruciales para su supervivencia.

El resultado es el diseño de un "superantígeno" que busca inducir una respuesta inmune en múltiples virus relacionados. Este diseño no se adapta a una sola cepa de virus, sino que condensa características comunes a toda la familia de virus.

El objetivo actual incluye el SARS-CoV-2, es decir, el nuevo coronavirus, y otros miembros del grupo de sarbecovirus. Este grupo incluye virus que causaron SARS en el pasado y virus relacionados que circulan en animales y podrían infectar a humanos en el futuro.

Lo que se observó en la fase I del ensayo

El ensayo clínico actual es una etapa inicial centrada principalmente en la seguridad. Según informes y datos de investigación, se administró la vacuna candidata a voluntarios adultos sanos para evaluar efectos secundarios, seguridad y la presencia de una respuesta inmune.

Un aspecto destacado es la novedad en el método de administración. Esta vacuna candidata está diseñada como una vacuna de ADN y se administró intradérmicamente mediante un sistema de microflujo sin aguja. Este método utiliza un chorro de líquido a alta presión para entregar la vacuna a las células de la piel, lo que podría ser beneficioso para personas que evitan las agujas y en operaciones de vacunación a gran escala.

En el ensayo, no se observaron preocupaciones significativas de seguridad y se detectó una respuesta inmune. Sin embargo, es importante señalar que aún no se ha demostrado que pueda "prevenir infecciones". El objetivo de los ensayos iniciales es confirmar si la administración en humanos es segura y si hay indicios de una respuesta inmune.

El artículo de la BBC describe el impacto en el sistema inmunológico como "modesto". Aunque las expectativas entre los investigadores son altas, es prematuro considerar estos resultados como un avance directo hacia la aplicación práctica. En el futuro, se necesitarán ensayos de fase II con más participantes para evaluar la fuerza, amplitud y duración de la respuesta inmune.

¿Qué es lo "fundamentalmente nuevo"?

La esencia de esta tecnología radica en cambiar el punto de partida del desarrollo de vacunas.

El desarrollo tradicional de vacunas responde básicamente a "enemigos que aparecen". Un nuevo virus se propaga. Se identifica el patógeno. Se analiza la información genética. Se diseña la vacuna. Se realizan ensayos clínicos. Se fabrica y distribuye. Aunque este proceso se acortó dramáticamente durante la pandemia de COVID-19, sigue siendo una respuesta posterior al evento.

Las vacunas diseñadas por IA buscan una respuesta previa. Basándose en información de virus pasados y presentes, predicen debilidades comunes que podrían aparecer en virus futuros. Si esto funciona, podríamos tener una preparación inmunológica básica para nuevas variantes o virus relacionados que aparezcan.

El profesor Jonathan Heeney de la Universidad de Cambridge critica que el desarrollo de vacunas siempre ha estado detrás de los virus. Esta tecnología intenta adelantarse a esa curva.

Este enfoque no se limita solo al coronavirus. El equipo de investigación ya está considerando su aplicación en virus como la gripe, la gripe aviar y el ébola. Especialmente la gripe aviar, que se ha informado que se está expandiendo a mamíferos, es una preocupación internacional como riesgo de pandemia futura. En cuanto al ébola, las diferentes especies tienen diferentes respuestas a las vacunas existentes, por lo que el diseño que abarca toda la familia de virus es significativo.

La precaución con el término "vacuna universal"

Por otro lado, es importante tener cuidado con el término "vacuna universal". Esta expresión puede dar la impresión de que previene todas las infecciones por completo. Sin embargo, en realidad, lo que esta tecnología busca es una vacuna que pueda ser efectiva en un rango más amplio dentro de una familia específica de virus.

Es decir, no se trata de prevenir todos los coronavirus, todas las infecciones respiratorias o todas las pandemias con una sola inyección. Se trata de identificar un grupo de virus objetivo, buscar características comunes dentro de ellos e inducir una respuesta inmune amplia.

Además, incluso si se confirma una respuesta inmune, cuánto contribuye realmente a la prevención de infecciones o a la prevención de enfermedades graves es otra cuestión. La defensa contra infecciones involucra múltiples elementos como anticuerpos, células T, memoria inmunológica e inmunidad de mucosas. La correlación entre las reacciones medidas en el laboratorio y la efectividad en el mundo real debe evaluarse cuidadosamente.

Este punto también se refleja en los comentarios de expertos. El profesor Andy Pollard del Grupo de Vacunas de Oxford, que no está involucrado en la investigación, reconoce el potencial de la IA como un cambio de juego en la investigación de vacunas, pero señala que el sistema inmunológico humano, a diferencia de los animales de laboratorio, está fuertemente influenciado por el historial de infecciones y vacunaciones previas. Los resultados prometedores en ratones no siempre se replican en humanos.

Desde un punto de vista científico, los resultados actuales no representan un "logro completo", sino más bien una "puerta que se ha abierto".

Las expectativas y precauciones se expanden simultáneamente en las redes sociales

 

Las reacciones en las redes sociales a esta noticia se dividen en tres direcciones principales.

La primera es una fuerte expectativa. Hay una recepción positiva hacia el potencial de la IA para generar resultados prácticos en el ámbito médico y farmacéutico, con comentarios como "la respuesta a las pandemias podría cambiar" o "si el desarrollo de vacunas se acelera, es un gran avance". En redes como LinkedIn, donde predominan los profesionales, se valoran las publicaciones que destacan la combinación de diseño de antígenos por computadora, vacunas de ADN y administración sin aguja. Para los involucrados en tecnología médica y biotecnología, esto no es solo una noticia sobre IA, sino una tecnología que ha avanzado a ensayos clínicos.

La segunda es una perspectiva cautelosa. Aunque "diseñado por IA" puede sonar mágico, en realidad, la IA no completa la vacuna por sí sola. La recopilación de información genética, el análisis estructural, el diseño de antígenos, los experimentos con animales, la fabricación, los ensayos clínicos y la revisión por parte de las autoridades reguladoras involucran a muchos expertos humanos y sistemas. En las redes sociales también se observa precaución hacia titulares que sugieren que "la IA inventó todo". La IA es una poderosa herramienta de apoyo al diseño, pero no elimina la necesidad de verificación científica.

La tercera es la preocupación por la seguridad y la bioseguridad. Si la IA puede diseñar antígenos para vacunas, también existe el temor de que pueda ser mal utilizada para diseñar patógenos peligrosos o de alto riesgo biológico. En Reddit, junto con voces que dan la bienvenida al avance de la investigación biológica por IA, también se discute la posibilidad de que "la tecnología que puede diseñar tratamientos también pueda diseñar cosas peligrosas". Esta preocupación no es tanto una crítica directa a la investigación actual, sino una precaución hacia la era en la que la IA y las ciencias de la vida se entrelazan.

Estas tres reacciones son naturales. En una sociedad donde el recuerdo de la pandemia aún es vívido, coexisten expectativas y desconfianza hacia la tecnología de vacunas, así como entusiasmo y preocupación hacia la IA. Por eso, quienes comunican los resultados de la investigación deben mostrar esperanza mientras evitan afirmaciones excesivas.

¿Cómo cambiará la IA la investigación de vacunas?

La fortaleza de la IA radica en encontrar patrones que los humanos pueden pasar por alto en grandes cantidades de datos. Combinando información genética de virus, estructuras proteicas, historial de mutaciones y datos de respuestas inmunes, se puede estimar "qué partes atacar para lograr una efectividad amplia".

Esto ya es una gran tendencia en el campo del desarrollo de medicamentos y diseño de proteínas. La predicción de estructuras tridimensionales de proteínas, el diseño de anticuerpos, las vacunas personalizadas contra el cáncer y las vacunas contra enfermedades infecciosas son áreas donde la aplicación de la IA se está expandiendo rápidamente.

Sin embargo, el desarrollo de vacunas no termina con el diseño molecular. Es necesario confirmar si el antígeno diseñado se expresa adecuadamente en el cuerpo, si el sistema inmunológico responde en la dirección deseada, si los efectos secundarios son tolerables, si es efectivo en personas mayores o con enfermedades preexistentes, si el costo de fabricación es realista, si se puede distribuir a países de bajos ingresos, y si es posible su almacenamiento y transporte.

La IA puede acelerar el desarrollo, pero no elimina la necesidad de ensayos clínicos. De hecho, cuanto más candidatos genere la IA, más importante será el sistema de evaluación experimental, clínica y regulatoria.

El significado del ensayo actual radica en que el antígeno diseñado por IA ha pasado de ser un modelo teórico o un experimento con animales a ser evaluado en humanos. Esto indica que la relación entre la IA y la investigación de vacunas está comenzando a trasladarse de una "posibilidad futura" al "campo del desarrollo clínico".

La preparación para pandemias se decide en "tiempos de paz"

Si se desarrolla una vacuna después de que comienza una pandemia, siempre habrá un desfase temporal. En el caso del COVID-19, tecnologías como las vacunas de ARNm permitieron un desarrollo histórico de vacunas. Aun así, se perdieron muchas vidas en todo el mundo, el sistema de salud se vio abrumado y las actividades económicas se restringieron significativamente.

Si pudiéramos preparar de antemano vacunas candidatas de amplio espectro para grupos de virus que podrían causar pandemias en el futuro, la respuesta inicial podría cambiar drásticamente. En lugar de diseñar desde cero una vez que comienza el brote, podríamos mejorar y desplegar candidatos que ya tienen datos básicos de seguridad y respuesta inmune.

Organizaciones de respuesta a enfermedades infecciosas como CEPI están colaborando con empresas como DIOSynVax para prepararse para futuros coronavirus y enfermedades desconocidas llamadas "Disease X". Esta idea subyace en la preparación para pandemias, que se decide no en el momento de la crisis, sino mediante la inversión en investigación y la cooperación internacional en tiempos de paz.

La vacuna diseñada por IA en esta ocasión también se encuentra en ese contexto. No es una historia de vacunación generalizada inmediata. Sin embargo, como base tecnológica para prepararse para futuras crisis de enfermedades infecciosas, es un paso muy importante.

Desafíos hacia la aplicación práctica

Hay muchos desafíos para la aplicación práctica.

Primero, la verificación de la eficacia. En la fase II del ensayo, será necesario investigar la fuerza y amplitud de la respuesta inmune en una gama más diversa de participantes. La respuesta puede variar según la edad, el historial de infecciones previas y el historial de vacunación existente.

Luego, está la cuestión de qué respuesta inmune considerar como indicador de éxito. En las vacunas contra el COVID-19, los anticuerpos neutralizantes han sido un indicador importante, pero al apuntar a una familia de virus más amplia, las respuestas de las células T y el papel de los anticuerpos no neutralizantes también podrían ser importantes. Es esencial determinar qué valores predicen realmente la efectividad protectora.

Además, hay problemas de fabricación y suministro. Incluso si la IA puede diseñar un antígeno excelente, si no se puede producir en masa de manera estable, no será suficiente como medida contra pandemias. Será necesario considerar qué plataforma es la más adecuada, ya sea vacunas de ADN, vacunas de ARNm, vectores virales o vacunas de proteínas.

Y está el problema de la confianza social. Desde el COVID-19, el entorno informativo sobre vacunas se ha vuelto más complejo. Incluso si una tecnología es científicamente prometedora, si la explicación es insuficiente, puede generar desconfianza. Si se enfatiza demasiado que "fue creada por IA", puede aumentar tanto las expectativas como las preocupaciones. La publicación de datos con transparencia, explicaciones cuidadosas de los riesgos y limitaciones, y evaluaciones por expertos independientes son indispensables.

Esto no es una "declaración de victoria de la medicina por IA"

Leer esta noticia como una historia de IA reemplazando a los científicos humanos es un error. Es más bien lo contrario. La IA mostró su potencial porque los investigadores formularon preguntas, recopilaron datos, diseñaron modelos, verificaron con experimentos y avanzaron hacia ensayos clínicos.

La IA propone diseños potenciales. Sin embargo, determinar si esas propuestas son seguras y efectivas depende de la acumulación de experimentos y ensayos clínicos. En las ciencias de la vida, un diseño que se ve hermoso en una computadora no siempre funciona igual en un organismo. El sistema inmunológico es complejo y varía mucho entre individuos.

Por eso, es más preciso decir que "el diseño de vacunas asistido