La IA para descubrir medicamentos necesita mejores datos humanos, no solo modelos más grandes

La tesis central de Vivodyne es sencilla: el descubrimiento de fármacos con inteligencia artificial tiene primero un problema de datos y después un problema de modelos. La IA puede proponer dianas terapéuticas, moléculas e hipótesis experimentales con gran rapidez, pero sus predicciones son limitadas cuando los datos de entrenamiento proceden sobre todo de animales, células aisladas, proteínas u observaciones que no muestran cómo responde un tejido humano complejo a una intervención.

Andrei Georgescu, director ejecutivo de Vivodyne, ha afirmado que los fármacos diseñados actualmente con IA todavía no son sustancialmente mejores que los diseñados por seres humanos porque no existe suficiente información de laboratorio relevante para que los modelos aprendan. 25

La respuesta de la empresa es HIVE, una plataforma modular de laboratorios autónomos diseñada para cultivar, dosificar, monitorizar y analizar tejidos humanos a gran escala.

El cuello de botella: la correlación no basta

Un modelo de descubrimiento de fármacos puede detectar una asociación entre una característica biológica y el resultado de una enfermedad. Pero esa asociación no demuestra necesariamente qué ocurrirá cuando un medicamento altere el sistema, con una dosis concreta y en un tejido determinado.

Por eso Vivodyne centra su propuesta en la perturbación: cambiar deliberadamente una condición y medir la respuesta del tejido. En el planteamiento de la empresa, un experimento puede generar una relación más útil para desarrollar medicamentos: si se aplica el tratamiento X a la dosis Y, el tejido Z cambia de una manera medible. La plataforma describe este método como la generación de datos de causalidad celular mediante experimentos controlados en tejidos humanos. 2

La diferencia es importante. Un modelo entrenado con una visión incompleta o poco representativa de la biología puede hacer predicciones muy seguras que luego no se reproducen en pacientes. Vivodyne no sostiene que los modelos grandes sean inútiles, sino que ampliar los modelos sin mejorar al mismo tiempo la calidad y la relevancia humana de los datos experimentales puede producir avances limitados. 1725

Cómo funciona HIVE

HIVE combina robótica, microfluídica, ingeniería de tejidos, administración automatizada de fármacos y distintos tipos de lecturas biológicas. Vivodyne afirma que su sistema puede cultivar 20 tipos de tejido humano y administrarles medicamentos u otras perturbaciones para seguir los cambios que se producen con el tiempo. 117

La plataforma se organiza en torno a los llamados TissueDisks, que permiten cultivar y dosificar en paralelo cientos de tejidos humanos independientes, según la compañía. Cada modelo contiene aproximadamente entre 200.000 y 500.000 células y puede incorporar redes vasculares tridimensionales específicas de cada tejido, perfundidas para reproducir de forma más realista la distribución de los tratamientos. 24

El flujo de trabajo previsto es iterativo:

1. Cultivar modelos estandarizados de tejido humano.
2. Aplicar un fármaco, una dosis, un cambio genético o una combinación de intervenciones.
3. Medir las respuestas moleculares, celulares y funcionales.
4. Usar los resultados para el análisis y para diseñar los experimentos siguientes.

Así, el laboratorio se convierte en un sistema de producción de datos y no en una colección de ensayos aislados. El resultado no consiste únicamente en saber si el tejido sobrevivió. También puede mostrar cómo cambió, cuándo lo hizo, qué células se vieron afectadas y cómo distintas dosis o combinaciones modificaron la respuesta.

Por qué los animales y las células aisladas pueden no ser suficientes

Los modelos animales siguen siendo útiles para estudiar efectos en el organismo completo, pero un mecanismo que funciona en un animal no tiene por qué comportarse igual en seres humanos. Las diferencias entre especies pueden afectar al metabolismo de los fármacos, la toxicidad, la respuesta inmunitaria, los mecanismos de la enfermedad y la interacción entre varios tejidos.

Los ensayos con células individuales y proteínas aportan información muy detallada, pero eliminan buena parte de la estructura multicelular y del contexto fisiológico que determinan los efectos de un medicamento.

Ese desajuste ayuda a explicar por qué algunos candidatos prometedores en la fase preclínica fracasan durante su desarrollo en humanos. La propuesta de Vivodyne consiste en incorporar antes pruebas con tejido humano para detectar ciertos problemas de seguridad y eficacia antes de que el candidato llegue a un ensayo clínico costoso. 113

Sin embargo, un tejido cultivado en el laboratorio no equivale a un cuerpo humano completo. Estos modelos pueden no reproducir del todo la farmacocinética —cómo el organismo absorbe, distribuye, metaboliza y elimina un fármaco—, la comunicación entre órganos, los efectos inmunitarios a largo plazo, la variabilidad entre pacientes o todos los rasgos de una enfermedad.

Por tanto, deberían considerarse un posible puente entre las pruebas de laboratorio simplificadas y la investigación clínica, no un sustituto de los ensayos con pacientes.

Qué resultados ha comunicado Vivodyne

Vivodyne ha comunicado resultados de pruebas con 20 fármacos quimioterápicos en varios modelos de tejido. La compañía afirma que su modelo hepático predijo la toxicidad humana de los medicamentos con una precisión del 94%, que su modelo de las vías respiratorias coincidió con el comportamiento del tejido humano en un 96% y que su modelo de médula ósea alcanzó una concordancia del 100% en ese conjunto de pruebas. 17

Las cifras son potencialmente relevantes, pero deben interpretarse con cautela. El material disponible las identifica como afirmaciones de rendimiento comunicadas por la propia empresa. No demuestra una validación amplia, independiente y reproducida por pares en numerosas clases de fármacos, ni prueba que las predicciones de HIVE hayan mejorado las tasas de aprobación clínica en una comparación prospectiva con programas preclínicos convencionales.

Vivodyne también ha anunciado una instalación con 12 laboratorios HIVE y una capacidad anual de 3,1 millones de experimentos controlados con tejido humano vivo. Esa cifra describe la escala operativa que la empresa atribuye a su plataforma, pero por sí sola no demuestra que los resultados sean predictivos para la práctica clínica. 37

Financiación y respaldo comercial

En 2023, la empresa anunció una financiación semilla total de 38 millones de dólares, liderada por Khosla Ventures, con la participación de Kairos Ventures, CS Ventures, MBX Capital y Bison Ventures. 9 Posteriormente, Vivodyne hizo pública una ronda de financiación de 40 millones de dólares para ampliar su infraestructura de pruebas de tejidos humanos impulsada por robótica e IA. 7

La inversión respalda una estrategia que trata la biología experimental como infraestructura para la inteligencia artificial: generar primero conjuntos de datos grandes y estandarizados y utilizarlos después para mejorar las predicciones terapéuticas y priorizar nuevos experimentos.

Qué podría cambiar en los ensayos clínicos

Si la plataforma demuestra su capacidad predictiva en estudios prospectivos independientes, podría influir en el desarrollo de medicamentos de tres formas principales.

Detectar antes los fracasos

Los candidatos con una eficacia débil o una toxicidad inaceptable podrían dejar de priorizarse antes de exponer a personas. Esto no eliminaría los fracasos clínicos, pero podría reducir el número de candidatos con un respaldo biológico insuficiente que llegan a los ensayos.

Elegir mejor los candidatos y las dosis

Probar distintas dosis y contextos tisulares podría ayudar a identificar qué candidatos merecen avanzar y qué rangos de dosificación deberían estudiarse en humanos. Vivodyne presenta su plataforma de datos humanos como una herramienta aplicable al descubrimiento, a los estudios de ADME/toxicidad y al diseño de ensayos. 13

Crear modelos de IA más útiles

Una sucesión de experimentos de intervención y respuesta podría proporcionar a los sistemas de IA datos de entrenamiento que conecten un tratamiento con un resultado biológico a nivel del tejido. Con el tiempo, Vivodyne espera contribuir a un modelo computacional más amplio —un «modelo del mundo»— de la biología humana. 8

Ese objetivo dependerá de la calidad, la reproducibilidad, la diversidad y la validación externa de los datos. Hacer más experimentos no los vuelve automáticamente mejores si los modelos tisulares no representan a las poblaciones de pacientes relevantes o si las mediciones no predicen resultados en personas.

Por qué las terapias combinadas son una prueba importante

Las terapias combinadas obligan a explorar más de una variable a la vez: parejas de fármacos, dosis, orden de administración, tiempos y contexto tisular. Una plataforma de tejido humano podría hacer más práctico estudiar estas combinaciones de forma sistemática, buscar efectos sinérgicos y detectar toxicidades antes de exponer a los pacientes.

Esto podría ser especialmente útil en enfermedades en las que un solo medicamento actúa únicamente sobre una parte de una vía biológica compleja. Aun así, la misma cautela sigue vigente: los experimentos con tejidos pueden revelar interacciones dentro de la biología que reproduce el modelo, mientras que los resultados clínicos también dependen de la absorción, la distribución, el metabolismo, el sistema inmunitario, las interacciones entre órganos y la diversidad de los pacientes.

La conclusión

Vivodyne apuesta por que el próximo gran avance del descubrimiento de fármacos con IA llegará de una base experimental más sólida, no únicamente de algoritmos más grandes. HIVE está diseñado para aportar esa base mediante experimentos controlados y de alto volumen en 20 tipos de tejido humano cultivado, convirtiendo sus respuestas en datos biológicos estructurados. 117

El enfoque aborda una debilidad real de la investigación preclínica: los modelos entrenados o evaluados en sistemas simplificados pueden no predecir de forma fiable lo que sucede en las personas. Las primeras cifras de rendimiento y la escala operativa que Vivodyne afirma haber alcanzado son llamativas, pero siguen siendo pruebas comunicadas por la empresa.

La prueba decisiva será saber si las predicciones de HIVE, validadas de forma independiente, pueden mejorar la selección de candidatos, reducir los fracasos clínicos y producir modelos de IA capaces de generalizar más allá de los tejidos y fármacos utilizados para entrenarlos.