La IA acelera pero la biología impone sus tiempos en la vacuna del cáncer de Moderna

A finales de agosto, Moderna y Merck anunciaron resultados que parecían cambiar el juego: una vacuna personalizada contra el melanoma había logrado reducir la recurrencia de este cáncer de piel en ensayos clínicos con más de mil pacientes. La noticia encendió los mercados financieros—las acciones de Moderna subieron casi un 177% en un solo día—y reavivó una promesa que lleva años circulando en la medicina: que la inteligencia artificial permitiría curar el cáncer de forma hecha a medida para cada persona. Pero detrás de ese titular optimista hay una realidad más complicada, una en la que la tecnología choca contra los tiempos que impone la biología misma.

La vacuna se llama Intismeran Autogene, y funciona de una manera que suena casi futurista. Combina la tecnología de ARN mensajero de Moderna—la misma que usó para la vacuna del covid—con la inmunoterapia Keytruda de Merck. Está diseñada para pacientes que ya han tenido melanoma y se han sometido a cirugía para extirpar el tumor. El objetivo es evitar que reaparezca. Lo que hace diferente a esta vacuna es que no es la misma para todos. Cada una se fabrica específicamente para las mutaciones que presenta el tumor de cada paciente individual. En el melanoma, algunas de esas mutaciones generan proteínas anormales que no existen en las células sanas, llamadas neoantígenos. El sistema inmunitario puede aprender a reconocer estas proteínas y destruir las células cancerosas que las portan. La vacuna codifica instrucciones para que el cuerpo produzca esos antígenos y monte una defensa.

Aquí es donde entra la inteligencia artificial. No todos los neoantígenos desencadenan una respuesta inmunitaria fuerte. Seleccionar los mejores candidatos entre cientos de opciones es donde un algoritmo resulta invaluable. Moderna utilizó IA para identificar cuáles de esos antígenos tenían más probabilidades de funcionar, y luego eligió hasta 34 de ellos para incluir en la vacuna de cada paciente. Sin esta tecnología, analizar manualmente cada tumor sería inviable. Lennard Lee, oncólogo de la Universidad de Oxford y asesor en investigación de vacunas, describe el proceso completo: extirpar el tumor, transportarlo a un centro de secuenciación, analizar las mutaciones, pasarlas por el algoritmo, enviarlas a una herramienta de diseño de ARNm, remitir el resultado a un centro de fabricación, y finalmente devolver el medicamento al hospital. Es un viaje largo, y cada paso tiene sus propios tiempos.

Lo que sorprende a muchos es que los algoritmos que impulsan esto no son tecnología de última generación. Según Lee, se basan en algoritmos estándar desarrollados a partir de 2007, anteriores a la era actual de la inteligencia artificial. Lo que ha mejorado es cómo estos algoritmos aprenden y se refinan con datos clínicos e inmunogénicos reales. Moderna integra esta capacidad en su plataforma Maestro, que combina bioinformática y aprendizaje automático. La IA ha logrado algo real: reducir el análisis y diseño de años a meses, y posiblemente pronto a semanas. Pero aquí viene el pero.

Roger Castells-Graells, jefe del Grupo de Diseño Biomolecular del Centro Nacional de Investigaciones Oncológicas, es claro: hay procesos que la tecnología nunca podrá acelerar. La producción de los componentes de la vacuna, los ARN, requiere tiempo. La síntesis química y la formulación de las nanopartículas de lípidos donde se encapsula la vacuna tienen limitaciones biológicas que no se pueden eludir. Un laboratorio no es un chatbot. Desde que se toma una muestra del tumor hasta que se elabora la vacuna personalizada pasan varios meses. Mientras tanto, el cáncer no espera. Tras la cirugía pueden quedar micrometástasis, células supervivientes que se multiplican rápidamente. El cáncer también muta constantemente; las células que permanecen pueden desarrollar mutaciones distintas, y la vacuna diseñada para las mutaciones originales ya no sería tan efectiva. En los cánceres más agresivos, si la fabricación tarda demasiado, el tumor puede reaparecer mientras el paciente espera su tratamiento personalizado.

Tampoco está claro que el éxito en melanoma se replique en otros tipos de cáncer. El melanoma es un candidato ideal para una vacuna de ARN porque produce muchas mutaciones, lo que ofrece muchas opciones para buscar antígenos. Otros cánceres, como el de riñón, próstata o mama, tienen muchas menos mutaciones y presentan desafíos diferentes. Y luego está el problema del costo. Según estimaciones basadas en terapias similares, el tratamiento completo podría costar alrededor de 300.000 dólares. Los medicamentos diseñados a medida no tienen nada que ver con la producción en masa. La pregunta que flota sobre todo esto es si los sistemas sanitarios pueden permitirse implementar este tipo de vacunas a gran escala, y si será posible garantizar acceso equitativo.

A pesar de estas limitaciones, el mercado ve un futuro enorme. Se espera que el mercado global de vacunas contra el cáncer crezca de 12.710 millones de dólares en 2026 a más de 45.370 millones en 2034, una tasa de crecimiento anual del 17,25%. América del Norte domina con una cuota del 38,3%, mientras que Europa, más rezagada, representa 3.980 millones de dólares este año. Alemania y Reino Unido son los principales actores europeos. BioNTech ya tiene un producto en el mercado, las vacunas personalizadas BNT122 contra el cáncer de páncreas. La Universidad de Oxford dirige un proyecto llamado Cancer Vaccine AI Scientist and Supercomputing. Otras empresas europeas como la suiza Nouscom también avanzan. A nivel global, hay al menos 117 productos terapéuticos basados en inteligencia artificial en fase de ensayos clínicos en humanos, según datos del congreso de oncología ASCO. La carrera está en marcha, pero la biología sigue imponiendo sus propios tiempos.