La primera vacuna diseñada por IA del mundo de la Universidad de Cambridge: qué mostraron realmente los ensayos en humanos

Treinta y nueve voluntarios, un microjet y una afirmación: Cambridge lo llama la "primera vacuna del mundo" diseñada por inteligencia artificial

Los detalles importan porque esto no es un simple ajuste a una receta antigua. El grupo de Cambridge utilizó datos genéticos virales de muchos coronavirus, los introdujo en un proceso de aprendizaje automático y pidió al algoritmo que generara un antígeno compacto que se dirigiera a características compartidas por toda la familia: partes que el virus no puede cambiar fácilmente. La vacuna en sí se administró como ADN mediante un microjet microfluídico sin agujas en la piel, una elección de administración que, según el equipo, acelera la fabricación y evita algunos cuellos de botella en la cadena de suministro de las jeringas convencionales.

'Primera vacuna del mundo' diseñada por IA: lo que Cambridge realmente probó

El trabajo de fase I descrito en el Journal of Infection incluyó a menos de 50 personas; los informes públicos se centran en 39 receptores del ensayo en Cambridge y Southampton. La plataforma aquí es una construcción de ADN que codifica el antígeno diseñado por IA, administrado mediante un chorro de líquido a alta presión y del grosor de un cabello que introduce el modelo genético en las células de la piel. Ese método es diferente al enfoque de nanopartículas lipídicas de ARNm utilizado ampliamente durante la pandemia de COVID.

Cambridge llama a la molécula central un "superantígeno" porque agrupa múltiples piezas conservadas de la familia del coronavirus en un único objetivo. En estudios con animales, la construcción estimuló una respuesta amplia contra varios coronavirus; en humanos, el resultado principal fue la seguridad y la tolerabilidad. La inmunogenicidad fue medible pero se describió como modesta: una frase que los científicos usan deliberadamente, lo que significa que las señales están presentes, pero aún no en los niveles que la mayoría calificaría como fuertemente protectores.

Fundamentalmente, el equipo ya ha iniciado un programa de fase II más amplio que espera reclutar a unos cientos de participantes. Ese siguiente paso examinará qué tan bien entrena la vacuna al sistema inmunológico humano en un grupo más diverso de personas y si las respuestas de anticuerpos o células T aumentan con la dosis o con diferentes enfoques de administración.

Cómo encontró la IA un 'superantígeno' (y por qué eso no es lo mismo que una vacuna terminada)

En términos sencillos, el sistema de Cambridge es un buscador de patrones. Los investigadores reunieron bases de datos de secuencias virales públicas y de vigilancia, y luego utilizaron el aprendizaje automático para identificar regiones que son comunes en muchos coronavirus y biológicamente restringidas: partes que el virus necesita para seguir funcionando y que, por tanto, no puede cambiar fácilmente. El algoritmo unió entonces estos motivos conservados en un único antígeno artificial que el sistema inmunitario puede reconocer.

Esto no es una varita mágica. Las regiones conservadas a veces son objetivos pobres porque el sistema inmunológico las ignora, o porque se encuentran en una parte de una proteína a la que es difícil llegar para los anticuerpos. Es por eso que el diseño práctico de vacunas aún necesita el juicio humano: qué sitios conservados presentar, si estabilizar su forma, si se requiere un adyuvante y qué plataforma de administración hará que el sistema inmunológico humano preste atención. La IA acelera la búsqueda y propone candidatos; la inmunología de laboratorio sigue decidiendo qué candidatos probar.

Piense en el algoritmo como un explorador experimentado que señala los muros de carga en una fila de casas. Ahorra semanas o meses de trabajo de laboratorio, pero los ingenieros aún tienen que decidir cómo fijar el andamio a la casa para que no se caiga durante una tormenta.

'Primera vacuna del mundo' diseñada por IA: seguridad, ensayos y qué significa una respuesta inmunitaria "modesta"

¿Puede la IA acelerar realmente el desarrollo de vacunas y cambia esto la ecuación industrial?

Sí, de dos maneras distintas. Primero, la IA reduce el espacio de búsqueda. En lugar de meses de trabajo iterativo de laboratorio para elegir antígenos candidatos, un modelo bien entrenado puede proponer diseños prometedores en horas o días. Eso ayuda a llegar más rápido a las pruebas en humanos. En segundo lugar, la IA puede explorar combinaciones (mosaicos) que los humanos no habrían probado intuitivamente, encontrando potencialmente formas de antígenos que desencadenan una inmunidad más amplia.

Pero la velocidad en la etapa de diseño no siempre se traduce en velocidad a escala. La fabricación de construcciones de ADN o la validación de un nuevo dispositivo de administración todavía requiere instalaciones, materias primas y aprobaciones regulatorias. Europa, en particular, tiene un mosaico de sitios de producción y autoridades de adquisición; un despliegue rápido exigiría contratos coordinados y estrategias de almacenamiento. En resumen: la IA puede acortar el calendario inicial, pero los cuellos de botella posteriores —fábricas, autorizaciones regulatorias, cadenas de frío— siguen determinando qué tan rápido llega una vacuna a la población.

Política e industria europea: por qué un triunfo de Cambridge importa para la preparación de la UE

Desde Colonia hasta Cambridge, la realidad industrial es familiar: existen laboratorios innovadores, pero convertir una vacuna experimental en millones de dosis es un problema de cadena de suministro. El trabajo de Cambridge será interesante para las agencias de salud y los organismos de financiación de la UE porque las plataformas que aspiran a proteger familias virales completas cambian el cálculo de adquisiciones. Una única vacuna amplia podría reducir la necesidad de reformulaciones anuales y ciclos de adquisición complejos en los 27 sistemas nacionales de salud.

Dicho esto, las vías regulatorias europeas difieren de las del Reino Unido. La Agencia Reguladora de Medicamentos y Productos Sanitarios (MHRA) supervisó el trabajo inicial en el Reino Unido; cualquier uso a nivel de la UE involucraría a la Agencia Europea de Medicamentos y a los comités nacionales de inmunización. La financiación de Horizonte, los marcos de adquisición conjunta y las asociaciones público-privadas de fabricación serán las palancas que Bruselas deberá mover si quiere convertir un hito académico en preparación continental.

Qué observar a continuación

Varias señales concretas decidirán hasta dónde llegará esto. Datos de inmunogenicidad de fase II: ¿aumentan los títulos de anticuerpos y las respuestas de células T en una cohorte más grande y variada? Planes de fabricación: ¿existe un proceso escalable para la construcción de ADN y el dispositivo de administración microfluídica? Y transparencia: ¿publicará el equipo el proceso de diseño de IA y los datos de entrenamiento para que grupos independientes puedan validar y ampliar el trabajo?

Técnicamente, otros grupos ya están probando ideas similares para la gripe y las fiebres hemorrágicas; Cambridge dice que hay equipos avanzando en esos frentes. Si múltiples grupos independientes convergen en los mismos objetivos conservados, eso será una evidencia más sólida de que el enfoque es robusto y no un éxito aislado.

Por ahora, el logro es notable principalmente porque prueba una nueva cadena de herramientas —aprendizaje automático más plataformas de administración rápida— en humanos. Los resultados hasta ahora son prometedores en cuanto a seguridad e informativos en cuanto a inmunología. Todavía no son un reemplazo para las rutas probadas que produjeron las vacunas contra el COVID en las que la gente confió durante la pandemia.

Europa tiene los inmunólogos y los centros de biotecnología. Todavía necesita decidir qué capital suscribirá las dosis y a qué regulador se culpará cuando ocurra el primer contratiempo en el lanzamiento.

Fuentes

• Journal of Infection (artículo del ensayo de fase I)
• Universidad de Cambridge (Laboratorio de Zoonosis Viral)
• DIOSynVax (socio industrial)
• Universidad de Southampton (sitio de ensayo clínico)
• Oxford Vaccine Group (comentario de expertos externos)
• Declaraciones del Instituto Nacional de Investigación en Salud y Atención (NIHR)