Cómo la IA podría prevenir el desarrollo de nuevas drogas ilícitas

yoN ÚLTIMOS AÑOS, los químicos clandestinos han hecho cada vez más pequeños ajustes químicos en drogas recreativas conocidas para eludir las leyes, creando versiones novedosas de diseño. En lugar de cannabis, por ejemplo, estos químicos podrían ofrecer XLR-11, o en lugar de PCP podrían tener 3-MeO-PCE.

Las drogas de diseño novedosas, también llamadas sustancias químicas de investigación o drogas legales, todavía producen efectos fisiológicos y psicológicos, aunque los expertos dicen que pueden tener una gran cantidad de riesgos. Los opioides sintéticos como el fentanilo, por ejemplo, se citan cada vez más entre la cantidad de muertes relacionadas con los opioides en los Estados Unidos, que llegó a más de 75,000 este año. Según los Centros para el Control y la Prevención de Enfermedades, los cannabinoides sintéticos pueden causar ataques cardíacos, insuficiencia renal y, en algunos casos, la muerte. Las drogas sintéticas más nuevas a menudo también están poco estudiadas, y entre la miríada de sustancias disponibles, muchas vienen con impactos negativos para la salud más allá de los de sus contrapartes naturales.

Mientras los químicos de drogas ilícitas trabajan en nuevas fórmulas, los gobiernos de todo el mundo intentan regular y prohibir las drogas poco después de que aparecen. Muchos países utilizan similitudes en la estructura química de las drogas, como entre el fentanilo y sus análogos, para prohibir las nuevas sustancias psicoactivas o NPS. Sin embargo, el enfoque varía según la jurisdicción. Por ejemplo, en 2017, el estado australiano de Victoria prohibió todos los compuestos psicoactivos con algunas excepciones, incluidos el alcohol, el tabaco y el cannabis medicinal. Otros gobiernos se esfuerzan por rastrear la producción de una red global de laboratorios ilícitos.

“La situación actual en la que nos encontramos es más el enfoque de golpear un topo”, dijo David Wishart, científico informático y biólogo de la Universidad de Alberta.

Para ayudar a agilizar el trabajo, Wishart y sus colegas utilizaron un tipo de inteligencia artificial llamada aprendizaje profundo para crear un algoritmo que identifica posibles drogas de diseño que tal vez ni siquiera existan. Los millones de productos químicos identificados por el algoritmo, denominado DarkNPS, podrían ayudar a los gobiernos a mantenerse un paso por delante de su producción, dice Wishart. Él y un equipo de otros investigadores publicaron el trabajo en Nature Machine Intelligence en noviembre.

Wishart dice que el algoritmo podría ayudar a las fuerzas del orden y a los químicos forenses a identificar nuevas sustancias psicoactivas, un proceso que, de lo contrario, podría llevar varios meses. DarkNPS también puede resaltar nuevos compuestos beneficiosos para uso clínico. Y, según Wishart, hay otra ventaja: los gobiernos podrían revisar el alijo de drogas hipotéticas desarrolladas por DarkNPS y prohibirlas, incluso antes de que alguien las produzca o distribuya.

Según un comunicado de prensa, algunas agencias ya están utilizando el algoritmo, incluida la Administración de Control de Drogas de EE. UU., la Oficina de las Naciones Unidas contra la Droga y el Delito, el Centro Europeo de Vigilancia de las Drogas y las Toxicomanías y la Oficina Federal de Policía Criminal de Alemania. (En respuesta a las preguntas de Undark, Greg Planchuelo, el oficial de desarrollo de gestión de bases de datos del EMCDDA, dijo que la agencia no estaba utilizando el enfoque, mientras que las otras organizaciones no respondieron a las solicitudes de comentarios).

Pero los críticos argumentan que la criminalización proactiva de las drogas haría poco para abordar los principales factores detrás de las muertes por sobredosis. Además, históricamente, la criminalización ha sido socialmente dañina: la guerra contra las drogas liderada por el gobierno de los EE. UU., por ejemplo, tiene sus raíces en el racismo y todavía tiene como objetivo abrumadoramente a los grupos marginados.

Y aunque el algoritmo puede capturar drogas que son relativamente similares a sus predecesores, puede tener dificultades para predecir drogas con estructuras químicas radicalmente diferentes, dice Alex Krotulski, director asociado del Centro de Investigación y Educación en Ciencias Forenses y gerente de la organización. Programa de descubrimiento de NPS. “En un sentido práctico”, dijo, “nadie sabe lo que vendrá después”.

CACTUALMENTE, LA El enfoque estándar para identificar un fármaco desconocido es la espectrometría de masas, un método que, en resumen, pesa los componentes de un compuesto para determinar su estructura molecular. Pero esta técnica requiere una referencia para comparar los resultados, una referencia que podría faltar cuando se trata de una sustancia completamente nueva, pero que podría estar en la lista de DarkNPS.

DarkNPS produjo una lista de 8,9 millones de compuestos que podrían crearse alterando los medicamentos existentes. Para generar este enorme número, Wishart y sus colegas implementaron una red neuronal, una especie de aprendizaje automático que se modela libremente en el cerebro humano y que a menudo se usa para analizar los lenguajes humanos.

El esfuerzo comenzó en 2023, cuando investigadores de la Sección de Química Forense de la Universidad de Copenhague se acercaron al equipo detrás de DarkNPS. El equipo de Copenhague mantiene una base de datos de drogas de diseño conocidas llamada HighResNPS, un recurso que el personal médico, las fuerzas del orden y los químicos forenses pueden usar para detectar NPS proporcionando referencias para pruebas de espectrometría de masas.

El equipo de DarkNPS entrenó su algoritmo usando HighResNPS. Cuando comenzó el trabajo en febrero de 2023, la base de datos tenía más de 1700 entradas de medicamentos existentes de todo el mundo. Si bien ese es un conjunto de datos relativamente pequeño, el equipo pudo engañar al algoritmo para que pensara que estaba mirando algo más grande. Luego, el algoritmo combinó los datos de HighResNPS con las reglas predecibles de la química para redactar una lista de posibles nuevas combinaciones.

Según Michael Skinnider, coautor del artículo y estudiante de medicina de la Universidad de Columbia Británica, DarkNPS funciona un poco como un cerebro humano que comprende una oración, pero el algoritmo usa átomos y enlaces químicos en lugar de palabras y gramática. “Si te digo ‘Las nubes están arriba en el’, sabes que la siguiente palabra probablemente será ‘cielo’. No va a ser ‘teléfono’”, dijo Skinnider.

Luego, el equipo comparó sus resultados con 189 nuevas entradas en HighResNPS, que se agregaron después de la ejecución inicial de DarkNPS, y descubrió que el 93 por ciento de las nuevas entradas se encontraban entre las predicciones de DarkNPS.

Dado que es posible que no existan datos de referencia para medicamentos muy nuevos, la espectrometría de masas no siempre es una buena opción, ya que identificar una sustancia de este tipo puede llevar semanas o incluso meses de trabajo, dijeron varias fuentes a Undark. DarkNPS podría proporcionar esta referencia para una cantidad asombrosa de medicamentos. “Tan pronto como un medicamento llega al mercado, en lugar de tres meses, seis meses de química ardua, podrían identificar los compuestos en cuestión de minutos”, dijo Wishart.

DARKNPS TIENE ALGUNOS limitaciones, sin embargo. Por ejemplo, si bien puede hacer predicciones precisas, no puede proporcionar ninguna información sobre los efectos fisiológicos o psicológicos de las drogas. El algoritmo también podría dar a los químicos ilícitos una hoja de ruta hacia nuevas drogas de diseño. Como tal, DarkNPS está en manos del NPS Data Hub, un esfuerzo conjunto entre el Instituto Nacional de Estándares y Tecnología, la DEA de EE. UU. y la Oficina Federal de Policía Criminal de Alemania, que actúa como una base de datos para ayudar en la identificación. de nuevas drogas. No está disponible para el público.

Luego está el tema de las drogas que DarkNPS se perderá. Según Krotulski, hay dos formas diferentes de evolución de NPS en el mercado. El primero ocurre con modificaciones menores: el cambio de fentanilo a, digamos, carfentanilo. Ambos son opioides potentes y bastante similares químicamente.

Pero también hay cambios más grandes, dijo Krotulski. Por ejemplo, otro poderoso opioide sintético llamado isotonitazeno, que ha aparecido en países como el Reino Unido y Canadá, tiene una estructura distinta del fentanilo. Sería difícil predecir estas transiciones más grandes con una herramienta predictiva como DarkNPS, dijo Krotulski.

Es posible que algunos laboratorios no necesiten la lista de DarkNPS. Según Planchuelo, muchos laboratorios con buenos recursos, incluidos algunos del EMCDDA, utilizan una técnica diferente llamada prueba de resonancia magnética nuclear, que no requiere material de referencia de la misma manera que lo hace la espectrometría de masas. Aún así, Planchuelo agregó que las operaciones más pequeñas, los hospitales en áreas menos desarrolladas y otras organizaciones aún podrían encontrar útil el algoritmo. “Creo que esto cambia las reglas del juego para la mayoría de los laboratorios que podrían no tener los recursos que nosotros tenemos”, dijo.

También existe un debate sobre si prohibir las drogas es o no un buen mecanismo para reducir las sobredosis y otros daños. Según Alex Stevens, profesor de justicia penal en la Universidad de Kent, la criminalización no ha disuadido a las personas de consumir drogas. Además, la criminalización de las drogas afecta desproporcionadamente a las personas de las comunidades marginadas. Según un artículo de Ann Fordham, directora ejecutiva del Consorcio Internacional de Políticas de Drogas, las personas negras en los EE. UU. son encarceladas cinco veces más que las personas blancas, y la mitad de estas sentencias están relacionadas con las drogas.

En cierto modo, sin embargo, la prohibición de los medicamentos existentes por parte de los gobiernos también puede incentivar la creación de NSP. “No se trata del problema fundamental”, dijo Stevens, “que es que las personas no pueden obtener acceso legal a las drogas que realmente quieren usar, por lo que buscarán alternativas”.

WCUANDO DARKNPS PODRÍA ayudar a facilitar prohibiciones de drogas ilícitas a gran escala, algunos dicen que el enfoque podría obstaculizar el desarrollo de nuevos medicamentos al dificultar que los investigadores estudien medicamentos que tienen aplicaciones médicas potenciales. “Me sorprendería si no hay muchas sustancias en esa lista que ya están siendo investigadas por sus beneficios médicos”, dijo Stevens.

Esto ha sucedido en el pasado. En 2016, por ejemplo, el Reino Unido prohibió una clase de drogas llamadas cannabinoides sintéticos de tercera generación. Los investigadores se apresuraron a argumentar que esta prohibición general abarcaría sustancias que ya existen como medicamentos, como el fármaco antiinflamatorio indometacina. Después de que los medicamentos se agregaron a la clasificación de la Lista 1, una clase particularmente estricta en el Reino Unido, los investigadores farmacéuticos que buscaban los compuestos necesitaban una licencia del Ministerio del Interior, lo que puede retrasar o incluso detener la investigación, ya que es prohibitivo tanto en términos de dinero como de tiempo. . En última instancia, el Reino Unido modificó el fallo para facilitar que los investigadores continúen con su trabajo.

Tanto Skinnider como Wishart dijeron que es poco probable que DarkNPS conduzca a la prohibición general de nuevas sustancias psicoactivas, incluso si podría ayudar a detener las drogas ilegales. En parte, esto se debe a que el algoritmo también es capaz de identificar algunos compuestos útiles. DarkNPS podría usarse para encontrar drogas psicoactivas con propiedades médicas, como el próximo estimulante para el trastorno por déficit de atención, o un reemplazo de la metadona en el tratamiento del trastorno por uso de opioides. Y con la capacitación adecuada, el algoritmo podría ayudar a encontrar la próxima generación de medicamentos antiinflamatorios, esteroides o antihistamínicos.

“No se aburre. Puede comenzar a pensar creativamente”, dijo Wishart sobre el algoritmo. “No necesita dosis de café o una buena noche de sueño. Simplemente predice”.

Este artículo fue publicado originalmente en Undark. Lea el artículo original.