Un nuevo artículo en prensa en Translational Psychiatry revisa el papel actual de la inteligencia artificial en el descubrimiento de fármacos neuropsiquiátricos y lanza un mensaje prudente: la IA puede acelerar la búsqueda de nuevas dianas, biomarcadores y moléculas, pero todavía está lejos de resolver por sí sola la complejidad biológ...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Un nuevo artículo en prensa en Translational Psychiatry revisa el papel actual de la inteligencia artificial en el descubrimiento de fármacos neuropsiquiátricos y lanza un mensaje prudente: la IA puede acelerar la búsqueda de nuevas dianas, biomarcadores y moléculas, pero todavía está lejos de resolver por sí sola la complejidad biológica y clínica de la psiquiatría.El interés es evidente. La innovación farmacológica en salud mental ha avanzado con más lentitud que en otras áreas médicas. Muchos psicofármacos utilizados hoy proceden de descubrimientos realizados hace décadas, y el desarrollo de nuevos tratamientos se ha visto limitado por la heterogeneidad clínica, la ausencia de biomarcadores validados, la dificultad para atravesar la barrera hematoencefálica y la escasa capacidad predictiva de algunos modelos preclínicos.
La IA podría ayudar en varias fases del proceso: identificación de dianas terapéuticas, cribado virtual de millones de compuestos, diseño de moléculas, predicción de propiedades farmacocinéticas, reutilización de fármacos y selección de pacientes en ensayos clínicos. Herramientas como AlphaFold, los modelos generativos, los grafos de conocimiento o los sistemas de aprendizaje profundo permiten explorar espacios químicos y biológicos que serían inabordables con métodos tradicionales.
El artículo recuerda algunos ejemplos ya relevantes. Igalmi, dexmedetomidina sublingual aprobada para la agitación asociada a esquizofrenia o trastorno bipolar, se desarrolló mediante una estrategia de reposicionamiento apoyada por IA. Ulotaront, candidato para esquizofrenia, depresión mayor y ansiedad generalizada, fue identificado con ayuda de SmartCube, una plataforma capaz de analizar patrones conductuales complejos en modelos animales. También se revisan candidatos diseñados con IA para psicosis en enfermedad de Alzheimer, trastorno obsesivo-compulsivo, depresión, ansiedad, adicciones y nuevos psicodélicos de diseño.
Sin embargo, la revisión insiste en que el entusiasmo debe moderarse. Aunque el número de moléculas descubiertas o impulsadas por IA que llegan a ensayos clínicos ha aumentado, la mayoría se encuentra todavía en fases I o II. Además, la mayor parte del éxito se concentra en oncología, un campo con mejores bases de datos moleculares, biomarcadores más consolidados y modelos preclínicos más trasladables. En neuropsiquiatría, el terreno es más difícil: los diagnósticos se basan en síndromes clínicos, los mecanismos fisiopatológicos no están plenamente definidos y los síntomas subjetivos no siempre pueden modelarse de forma fiable.
La IA también plantea retos éticos y regulatorios. Muchos modelos funcionan como “cajas negras”, con problemas de reproducibilidad, transparencia y transferibilidad. La calidad de los datos es un punto crítico: si los conjuntos de entrenamiento son ruidosos, sesgados o poco representativos, las predicciones pueden ser poco fiables. En fármacos que afectarán al cerebro y a la conducta, este problema adquiere especial relevancia clínica.La conclusión para los psiquiatras es clara: la IA no sustituirá el desarrollo farmacológico convencional ni el juicio clínico, pero puede convertirse en una herramienta decisiva para reactivar la innovación psicofarmacológica.
Su mayor valor probablemente no estará en “descubrir fármacos mágicos”, sino en integrar datos multi-ómicos, neuroimagen, conducta, farmacología y respuesta clínica para diseñar ensayos más precisos y tratamientos mejor dirigidos.En un campo marcado durante años por la serendipia, la IA puede aportar hipótesis, acelerar fases preclínicas y reducir costes.
Pero la promesa solo se cumplirá si se acompaña de validación rigurosa, datos de calidad, transparencia y una pregunta clínica central: no solo si una molécula es novedosa, sino si mejora realmente la vida de las personas con trastornos mentales.
Explora el artículo con IA