Se estima que para el año 2025, aproximadamente el 30 por ciento de los nuevos medicamentos serán descubiertos mediante tecnología de IA.
Por Dr. Andrés Camilo Clavijo Rodríguez – Médico especialista en toxicología clínica de la Fundación Universitaria de Ciencias de la Salud (FUCS)–Ministerio de Salud y Protección Social.
En un mundo cada vez más digitalizado, la inteligencia artificial (IA) está transformando múltiples disciplinas científicas, y la toxicología no es una excepción. La toxicología, ciencia que estudia los efectos nocivos de las sustancias químicas en los organismos, ha sido fundamental para proteger la salud pública y el medio ambiente.
Sin embargo, con el auge de la IA, surge una pregunta crucial: ¿la inteligencia artificial salvará o condenará a la toxicología? La respuesta no es sencilla, pero lo que está claro es que la IA tiene el potencial de revolucionar esta disciplina, y a otras, aunque esto conlleve varios desafíos.
La evolución de la IA en la toxicología
La toxicología ha evolucionado desde una ciencia basada en observaciones empíricas hasta un campo rico en datos, donde la IA juega un papel cada vez más importante. En las últimas décadas, hemos visto cómo la IA ha pasado de ser una herramienta experimental a convertirse en un componente clave para la predicción de toxicidad, el análisis de datos y la evaluación de riesgos.
En los años 80 y 90, los primeros sistemas expertos, como DEREK, METEOR, HazardExpert y OncoLogic se usaban para predecir la toxicidad potencial basándose en patrones de estructura química y reglas identificadas por expertos que intentaron codificar el conocimiento humano en programas informáticos para predecir la toxicidad de las sustancias químicas.
Sin embargo, estos sistemas estaban limitados por su rigidez y dependencia de reglas predefinidas. Con el tiempo, el enfoque cambió hacia modelos estadísticos y de aprendizaje automático, como los modelos de relación cuantitativa estructura-actividad (QSAR), que permitieron relacionar las propiedades químicas con los efectos tóxicos.
A principios de este siglo, surgieron repositorios públicos como PubChem, ChemBL y Tox21/ToxCast, entre otros. Estos compilaban volúmenes de datos químicos y resultados de ensayos de detección de alto rendimiento.
La toxicología moderna está adoptando cada vez más las sinergias de la Big Data y la IA. Técnicas como el procesamiento del lenguaje natural están automatizando la minería de datos para la extracción de evidencia. La IA también está permitiendo la integración de resultados adversos y modelos de sistemas para derivar información mecanicista a partir de datos multifacéticos.
Hoy en día, el aprendizaje profundo (Deep learning) está marcando una nueva era en la toxicología. Las redes neuronales profundas pueden analizar grandes volúmenes de datos, desde estructuras químicas hasta resultados de ensayos de alto rendimiento, para predecir la toxicidad con una precisión sin precedentes.
Por ejemplo, estudios recientes han demostrado que el aprendizaje profundo puede predecir la mutagenicidad de sustancias químicas con una precisión superior al 90 por ciento, rivalizando con los ensayos tradicionales.
Sistemas de IA como ChatGPT, Gemini, Perplexity y últimamente Deepseek han evaluado la capacidad para diagnosticar casos clínicos reales de intoxicación, mostrando diferentes niveles de acierto en la orientación diagnóstica, así como la identificación del tóxico responsable, apoyo entre la interacciones farmacológicas y la detección de reacciones adversas o la dosis e indicación de los antídotos.
Aplicaciones prometedoras de la IA en Toxicología
La IA no solo está transformando la forma en que predecimos la toxicidad, sino que también está revolucionando otras áreas clave de la toxicología:
Predicción de toxicidad: los algoritmos de IA pueden analizar grandes conjuntos de datos para predecir el potencial tóxico de nuevas sustancias químicas. Esto permite identificar rápidamente compuestos peligrosos y desarrollar alternativas más seguras. Por ejemplo, el proyecto Tox21, una iniciativa del gobierno de Estados Unidos, utiliza IA para evaluar la toxicidad de miles de sustancias químicas.
Diseño de fármacos: la IA está acelerando el descubrimiento de nuevos medicamentos al sugerir moléculas con propiedades terapéuticas deseadas y baja toxicidad. Esto no solo reduce los costos, sino que también minimiza los riesgos asociados con los ensayos clínicos. Se estima que para el año 2025, aproximadamente el 30 por ciento de los nuevos medicamentos serán descubiertos mediante tecnología de IA.
Evaluación de riesgos ambientales: los modelos de IA pueden ayudar a evaluar el impacto de los contaminantes en el medio ambiente y la salud humana. Esto es especialmente útil en la gestión de riesgos químicos, donde la IA puede integrar datos de múltiples fuentes para proporcionar una evaluación más precisa.
Monitoreo de intoxicaciones: sistemas de IA pueden analizar datos de pacientes intoxicados para identificar patrones y mejorar el diagnóstico y tratamiento. Esto es particularmente útil en casos de intoxicaciones masivas o emergencias de salud pública.
Desafíos y riesgos de la IA en toxicología
A pesar de sus beneficios, la integración de la IA en la toxicología no está exenta de desafíos. Uno de los principales problemas es la calidad de los datos. Los modelos de IA dependen en gran medida de los datos con los que se entrenan, y si estos datos son incompletos o sesgados, las predicciones pueden ser inexactas.
Además, la interpretabilidad de los modelos de IA, especialmente los basados en redes neuronales profundas, sigue siendo todo un laberinto. Estos modelos suelen ser “cajas negras”, lo que dificulta entender cómo llegan a sus conclusiones.
Otro desafío importante es la aceptación regulatoria. Para que los modelos de IA sean adoptados en la evaluación de riesgos y la regulación de sustancias químicas, deben ser transparentes y explicables. Aquí es donde entra en juego, un campo emergente que busca hacer que los modelos de IA sean más comprensibles para los humanos.
Finalmente, el uso de la IA en la toxicología plantea cuestiones éticas importantes, como la privacidad de los datos y la responsabilidad en caso de errores. Es fundamental que el desarrollo y la aplicación de la IA se realicen de manera responsable y ética, con el objetivo de proteger la salud humana y el medio ambiente.
El futuro de la IA en la toxicología
Aunque la IA está transformando la toxicología, es poco probable que reemplace por completo a los toxicólogos humanos. La experiencia y el juicio crítico de los expertos seguirán siendo esenciales para diseñar estudios, interpretar resultados y tomar decisiones informadas.
En lugar de ver la IA como una amenaza, debemos verla como una herramienta poderosa que puede potenciar las capacidades de los toxicólogos, permitiéndoles abordar problemas más complejos y desarrollar soluciones más innovadoras.
En general, a medida que la toxicología pasa progresivamente de la identificación cualitativa de peligros a paradigmas cuantitativos basados en riesgos, la adopción de IA para el modelado predictivo de riesgos probablemente se acelerará para fortalecer la toma de decisiones de seguridad basada en evidencia.
La inteligencia artificial (IA) está transformando radicalmente diversos ámbitos, incluida la gestión y predicción de riesgos asociados a sustancias químicas, consolidándose como una tecnología que ha llegado para quedarse.
Sin embargo, para maximizar su potencial, es crucial enfrentar desafíos como la calidad de los datos, la interpretabilidad de los modelos y los aspectos éticos, siempre desde un enfoque responsable. Al fin y al cabo, se trata de herramientas desarrolladas por humanos, cuyo avance ya es tangible y promete convertirse en un soporte clave para procesar y limitar la vasta información en el campo de la medicina que se genera diariamente.
Este avance no solo rompe paradigmas en la práctica clínica, sino que también redefine cómo abordamos la toma de decisiones, ofreciendo un futuro en el que la IA se consolida como una aliada indispensable en la gestión del conocimiento y la innovación.
Deja un comentario