No se trata de sustituir ratones por algoritmos: la FDA define el umbral de validación para la biosimulación con IA

Las alternativas a los ensayos con animales están pasando de ser una aspiración de laboratorio a una cuestión que debe abordarse directamente en la evaluación de medicamentos. Cuando los algoritmos pueden simular las respuestas de los órganos y los organoides pueden reproducir algunas características de los tejidos humanos, el siguiente obstáculo ya no es solo si «se puede hacer», sino si esos resultados bastan para respaldar el avance de nuevos fármacos hacia ensayos en seres humanos e incluso para formar parte de las decisiones regulatorias.

《Nature Biotechnology》examina tres vías tecnológicas que convergen gradualmente. Los gemelos digitales buscan simular la acción de un fármaco en un órgano específico o en el cuerpo humano mediante datos fisiológicos y modelos mecanísticos; los científicos virtuales multiagente pueden repartirse tareas para formular hipótesis, diseñar análisis y revisar inferencias; los organoides potenciados por IA combinan tejidos humanos tridimensionales con análisis de imágenes y datos moleculares para identificar fenotipos de eficacia o toxicidad. Estas tecnologías podrían ayudar a los desarrolladores a descartar candidatos farmacológicos de alto riesgo, estudiar mecanismos de acción y seleccionar dosis y diseños de ensayo más adecuados para avanzar a la fase clínica.

Sin embargo, una simulación convincente no equivale a evidencia biológica fiable. Los gemelos digitales pueden verse limitados por la representatividad de los datos de entrenamiento, los supuestos del modelo y los errores de extrapolación entre escalas; por lo general, los organoides no pueden reconstruir por completo las interacciones inmunitarias, metabólicas y multiorgánicas; y los sistemas multiagente, aunque generen planes de investigación aparentemente coherentes, pueden amplificar de forma conjunta premisas erróneas. Para que estas herramientas sustituyan los datos obtenidos de animales, en vez de limitarse a complementarlos, deben demostrar que sus resultados son reproducibles y que pueden predecir respuestas humanas pertinentes para una cuestión regulatoria específica.

El nuevo borrador metodológico publicado por la FDA en marzo está concretando este requisito. El borrador abarca organoides, órganos en chip, simulaciones informáticas y otros métodos in vitro o computacionales, y propone cuatro principios de validación: definir primero el contexto de uso, demostrar la relevancia para la biología humana, completar la evaluación de las características técnicas y la reproducibilidad y, por último, confirmar que la herramienta es adecuada para respaldar la decisión regulatoria prevista. En otras palabras, que un mismo modelo haya funcionado en una determinada enfermedad o un órgano no significa que sea automáticamente aplicable a otra indicación, criterio de valoración de toxicidad o tipo de fármaco.

La infraestructura regulatoria también empieza a tomar forma. En su informe anual de progreso de abril, la FDA indicó que había ampliado la evaluación integral de la evidencia que combina ensayos in vitro y toxicología computacional, establecido mecanismos intercentros de revisión científica y de cualificación de herramientas innovadoras, y cualificado la primera herramienta de desarrollo de fármacos basada en IA. Sin embargo, la cualificación de una sola herramienta no significa que todos los modelos de IA tengan vía libre; la FDA sigue recomendando que los desarrolladores consulten desde una etapa temprana con las divisiones de revisión correspondientes, ya que el grado de aceptación depende de la enfermedad, el órgano, el criterio de valoración y el uso real.

Los primeros estudios de la FDA ya han mostrado tanto las posibilidades como las limitaciones de esta vía. AnimalGAN utiliza datos existentes de ensayos con animales para generar datos sintéticos de sustancias químicas no evaluadas; SafetAI emplea aprendizaje profundo para predecir criterios de valoración toxicológicos, entre ellos la lesión hepática inducida por fármacos. Estos sistemas pueden reutilizar grandes volúmenes de datos históricos, pero también pueden heredar los sesgos y las lagunas de los datos antiguos. Por tanto, el punto de inflexión de la biosimulación con IA no consiste en proclamar la próxima desaparición de los ensayos con animales, sino en determinar si es posible establecer, elemento por elemento, evidencia de validación trazable, comparable y adecuada para su uso, de modo que la afirmación técnica de estar «más cerca del ser humano» se convierta en un hecho científico susceptible de evaluación.