Inteligencia Artificial en Medicina

¿Puede una inteligencia artificial descubrir nuevos medicamentos? Así funciona ContraDTI

Dr. Marco V. Benavides Sánchez.


En el mundo de la medicina moderna, encontrar el medicamento correcto para tratar una enfermedad puede ser como buscar una aguja en un pajar. Cada tratamiento potencial debe pasar por años de ensayos, estudios de laboratorio y pruebas clínicas. Pero, ¿y si una inteligencia artificial pudiera predecir con precisión qué fármaco podría funcionar, antes siquiera de entrar a un centro de investigación? Esa es la promesa de ContraDTI, un sistema que combina química, datos y aprendizaje automático para acelerar el descubrimiento de medicamentos.

El problema: una carrera contra el tiempo

Cada enfermedad implica interacciones complejas dentro del cuerpo. Para tratarla, los científicos deben descubrir qué proteínas específicas están involucradas y luego desarrollar moléculas —fármacos— capaces de unirse a ellas y modificar su funcionamiento. Este proceso se conoce como la predicción de interacciones fármaco-objetivo (Drug-Target Interaction o DTI, por sus siglas en inglés).

Tradicionalmente, estas interacciones se descubren en laboratorios, probando fármaco tras fármaco con un gasto de tiempo y dinero significativo. Aunque existen métodos informáticos que ayudan, muchos requieren enormes cantidades de datos previamente etiquetados, algo que no siempre está disponible, especialmente en enfermedades poco estudiadas.

ContraDTI: cuando dos vistas ven más que una

Desarrollado por investigadores de la Universidad de Fudan y el City University of New York, ContraDTI propone una solución innovadora: un enfoque de aprendizaje automático que necesita mucha menos información etiquetada que los métodos convencionales.

¿Su secreto? Analizar cada medicamento desde dos perspectivas diferentes:

  • Por un lado, como grafo molecular, una especie de mapa donde los átomos son nodos y los enlaces químicos son conexiones.
  • Por otro, como cadena SMILES, una forma textual de describir una molécula usando letras, números y símbolos.

Estas dos “vistas” del medicamento son complementarias. Una es visual y estructural, la otra simbólica y lineal. Lo que hace ContraDTI es comparar y aprender de ambas al mismo tiempo.

El aprendizaje contrastivo: una especie de memoria comparativa

ContraDTI se basa en una técnica reciente llamada aprendizaje contrastivo, utilizada también en reconocimiento facial o búsqueda de imágenes. La idea es que la mejor manera de entender algo es compararlo consigo mismo en diferentes representaciones, y diferenciarlo de lo que no es.

Para ello, el modelo utiliza dos funciones de aprendizaje:

  1. Una pérdida contrastiva interna, que permite al sistema distinguir un fármaco de los demás observando sólo su grafo (como una red de átomos y enlaces).
  2. Una pérdida de alineación entre vistas, que asegura que las representaciones del grafo y del SMILES del mismo fármaco se correspondan correctamente.

Gracias a esta estrategia, el modelo no necesita millones de ejemplos etiquetados: puede generalizar mejor con menos datos.

Resultados sorprendentes en escenarios con pocos datos

Los investigadores pusieron a prueba ContraDTI con distintos conjuntos de datos, en contextos de predicción tanto para una única proteína como para múltiples blancos. En todos los casos, el modelo demostró una alta precisión, especialmente cuando había pocos datos disponibles.

Esto lo convierte en una herramienta ideal para situaciones donde la información es limitada: enfermedades raras, nuevas variantes de virus, o fármacos experimentales con poca documentación previa.

Implicaciones reales: más allá del algoritmo

Lo más interesante de ContraDTI no es sólo su precisión, sino las posibilidades que abre:

  • Reducción de costos en ensayos clínicos, eliminando candidatos ineficaces antes de llevarlos al laboratorio.
  • Reutilización de medicamentos ya existentes para tratar nuevas enfermedades, al descubrir nuevas posibles interacciones.
  • Impulso a la medicina personalizada, diseñando tratamientos más adecuados para cada persona según sus características moleculares.

Además, al ser un proyecto de código abierto (disponible en GitHub), otros equipos de investigación pueden integrarlo, mejorarlo y aplicarlo a sus propios campos de estudio.

¿El futuro de la medicina está en los algoritmos?

En un escenario ideal, el descubrimiento de medicamentos dejará de ser un proceso largo y costoso para convertirse en una tarea más precisa, rápida y colaborativa, donde algoritmos como ContraDTI actúan como guías inteligentes que orientan a los investigadores.

Cuando la inteligencia artificial y la investigación médica colaboran, el resultado no solo son avances tecnológicos: es la posibilidad real de acelerar la llegada de tratamientos a quienes más los necesitan. ContraDTI es una prueba tangible de que el futuro ya comenzó.


Para leer más:

  • Liao, Z., Xie, L., & Zhu, S. (2025). ContraDTI: Improved drug-target interaction prediction via multi-view contrastive learning. Artificial Intelligence in Medicine, 103195. https://doi.org/10.1016/j.artmed.2025.103195

#ArtificialIntelligence #Medicine #Surgery #Medmultilingua

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *