El pasado mes de noviembre, Carlos Roca, graduado en Farmacia y doctor en Química Médica por la Universidad Complutense, fue elegido como ganador del Premio Explorer Santander en la categoría "Tecnología Disruptiva". Carlos no pudo recoger el premio porque se encontraba en Argentina, precisamente gracias a una beca dotada por Santander Universidades. Allí, en la Universidad Nacional del Sur, en Bahía Blanca, trabajaba con el profesor Ignacio Ponzoni, del CONICET (equivalente al CSIC español), en el desarrollo de unos modelos con aplicación farmacéutica basados en la utilización de Inteligencia Artificial. En ellos se basa, en buena medida, el proyecto empresarial por el que Carlos ha sido premiado: AItenea (leído "aitenea", las dos primeras letras en mayúsculas, siglas de "artificial intelligence").
A su vuelta a Madrid, y pocos días después de recoger uno de los premios Emprendedor Universitario UCM 2019, nos citamos con Carlos y su directora de tesis -la presentó el pasado mes de octubre-, la investigadora del Centro de Investigaciones Biologicas "Margarita Salas", Nuria Campillo. En este centro de investigación fue donde Carlos realizó los trabajos ligados al Doctorado, y que han servido de base al proyecto empresarial en el que está embarcado. La charla transcurre en las instalaciones del nuevo Centro de Emprendimiento UCM-Santander.
- Empecemos por el principio, ¿de dónde surge la idea de AItenea?
- Carlos: Mi trabajo de investigación lo desarrollé en el Centro de Investigaciones Biológicas del CSIC, bajo la supervisión de Nuria. En el laboratorio hacen diseños de fármacos para enfermedades neurodegenerativas, como el alzheimer, parkinson, ELA, esclerosis múltiple, y también hay algunos proyectos para enfermedades neurológicas, como el síndrome del cromosoma x fragil, que es un tipo de autismo. Fundamentalmente, lo que hacemos es aplicar herramientas computacionales para hacer un desarrollo lógico que abarate costes y que reduzca tiempos. En el grupo de investigación también hay una parte de síntesis, que se encarga de sintetizar los compuestos y testarlos en un primer ensayo enzimático o celular, para saber si son eficaces para el tratamiento que estamos buscando. Desde hace unos cuantos años, Nuria colabora con un científico del CONICET en Argentina, que es como el CSIC de allí, en la Universidad Nacional del Sur de Bahía Blanca, el profesor Ignacio Ponzoni. Ellos son especialistas en Inteligencia Artificial (AI). La colaboración surgió hace unos cuantos años para hacer desarrollo de modelos "cúsar", que son relaciones estructura-actividad cuantitativas utilizando AI. Básicamente se trata de, con muchos datos de fármacos que tienen actividad biológica, poder hacer una relación matemática para relacionar su actividad biológica con su estructura. Y a partir de ahí intentar hacer modificaciones estructurales para conseguir fármacos que sean potentes, o entender por qué los que te salen menos potentes son menos potentes. Esto se hizo utilizando las primeras técnicas en IA, que en esos momentos eran machine learning.
- Nuria Campillo: En realidad empezamos con relaciones mucho más sencillas, tipo regresión líneal. Es decir, llevamos mucho tiempo trabajando en este campo. Hemos ido trabajando en relaciones estructura-actividad y hemos ido aumentando en complejidad. Desde regresión lineal sencilla hasta ahora, que utilizamos machine learning y deep learning.
- Carlos: Aprovechando el desarrollo de las técnicas que se van sucediendo -hace 4 años sin ir más lejos no existía deep learning- diseñamos varios proyectos con el profesor Ponzoni para colaborar y hacer modelos de predicción de propiedades de fármacos. Los primeros que hicimos fueron de paso de barrera hematoencefálica, de absorción oral en humanos y actividades biológicas en diferentes dianas. Con esos resultados fue con los que nos planteamos el decir, bueno, a lo mejor podría estar bien el intentar montar una empresa que sea capaz de desarrollar estos modelos de predicción a mayor escala y que pueda comerciar con esos modelos para la industria farmacéutica.
- ¿Qué tienen de diferencial esos modelos para que los quiera la industria farmacéutica?
- Carlos: Lo bueno que tienes estos modelos es que aprovecharían por un lado la utilización de la inteligencia artificial y, por otro lado, son herramientas muy rápidas. Valen para filtrar, para conocer las propiedades, o al menos la predicción de las propiedades a velocidades mucho más rápidas que los software convencionales que utiliza tanto academia como industria. Esos software pueden tardar en sus cálculos hasta semanas, y aplicando estos modelos de predicción realmente puedes tardar uno o dos días en total para conocer las propiedades de un montón de compuestos. Creemos que hay ahí un campo importante y, de hecho, cada vez más industrias farmacéuticas están empezando a dar el paso de formar grupos de computación propios o de solicitar este tipo de servicios. Realmente pensamos que ahí hay un marco en el que podemos competir.
- ¿Cómo trabajaríais, a la carta?
- Carlos: Nosotros podríamos ofrecer determinados modelos de predicción o ellos nos podrían pedir a su gusto. El gran problema que hay con la inteligencia artificial es la ausencia de datos. Necesitas una gran cantidad de datos para conseguir relaciones que sean suficientemente importantes. Si no tienes esos datos, es bastante complicado poder hacerlo. Pero la industria farmacéutica tiene una gran cantidad de datos, por lo que realmente poder desarrollar modelos específicos para ellos es una de las partes más importantes de nuestro modelo de negocio futuro.
- ¿Estáis ya preparados para salir al mercado?
- Nuria: Tenemos ahora diferentes modelos. Como ha dicho Carlos, empezamos con propiedades de absorción para el paso de la barrera hematoencefálica para enfermedades neurodegenerativas; pero ahora también estamos desarrollando modelos de toxicidad, que es uno de los puntos más fuertes e importantes en el desarrollo de fármacos. Sobre todo, porque un porcentaje muy importante de los fármacos que se prueban cae por problemas de toxicidad. Lo que queremos tener son diferentes modelos que cubran todos los puntos fuertes de la toxicidad. Por otro lado, hemos contactado gracias a uno de los premios que hemos recibido con una empresa, que nos está desarrollando la plataforma para meter todos los modelos que tenemos. Una vez que tengamos la plataforma, nuestra intención es empezar a enseñarselo a las empresas y a los grupos de investigación. Y luego, por último, estamos también negociando con el CSIC. Lo que vamos a crear es una spin-off. Hemos protegido ante notario la base de datos donde tenemos toda la información de las moléculas, y ahora lo que nos tiene que hacer el CSIC es licenciar para nuestra empresa esa base de datos.
- Carlos: El problema en este área, es que los algoritmos en sí no se pueden proteger. Es como el código de una web: otra persona con el mismo conocimiento podría hacer lo mismo, y no puedes protegerlo. Lo único que puedes hacer es protegerlo con copyright, con derechos de autor, como si fuera un libro. No puedes protegerlo mediante patente, por ejemplo. Nosotros lo que hemos hecho ha sido protegerlo bajo notario, como si fuera un secreto industrial. Ahora, como decía Nuria, y como todo nuestro trabajo se hizo en el CSIC y, por ello, es propiedad de CSIC, lo que tenemos que ver es cuáles son las mejores condiciones para licenciarlo para la empresa. Y y a partir de ahí dar el salto, hablar con clientes y con esa plataforma que ha señalado poder mostrar a las empresas diversos testeos, que vean que les gusta y que no...
- ¿Os habéis fijado algún plazo para salir al mercado?
- Nuria: Creo que llevamos un poquito de retraso. Yo me he marcado de plazo el verano para sacarlo adelante. Si no, creo que se va a ir diluyendo. Creo que este es el momento para salir al mercado. La inteligencia artificial está en su boom; tanto que a veces me planteo si no es una burbuja. Pero lo cierto, es que en el desarrollo de fármacos la puedes aplicar desde el inicio, desde la identificación de la enfermedad, desde la diana que está funcionando mal hasta el diseño de los ensayos clínicos. En cualquier etapa del diseño de fármacos podemos aplicar la AI y ahorrar mucho tiempo, ahorrar dinero, ahorrar animales de experimentación, que eso también es un punto importante tanto en España como en la UE. Creo que este es el momento de salir o al menos de intentarlo.
- Carlos: Mi punto de vista es un poco diferente .Quizá yo quiero tener las cosas demasiado perfectas y pienso que es un poco precipitado. La verdad es que con todo este tema de la formación que nos han dado en Compluemprende y en Explorer, hemos aprendido muchísimas cosas y una de ellas a lo mejor es esa: que no hace falta tenerlo todo tan perfecto para empezar, porque necesitas testar, hacer ciclos operativos para ir mejorando lo que vas teniendo. No necesitas gastar mucho tiempo para llevar a tu desarrollo definitivo, o el que tú crees que es el definitivo, porque luego va a llegar un cliente y te va a decir que así no le interesa. Es cierto, como dice Nuria, que ahora es el momento. Van saliendo empresas en los últimos años que ya emplean IA, aunque de manera diferente a como la aplicamos nosotros. Como competidores como tal no hemos encontrado empresas, al menos que lo hayan publicitado, que hagan modelos de predicción a nuestro nivel. Pero para competir también tenemos que poder mostrar bien las cosas. Hay que encontrar un punto de equilibrio; es complicado.
