Inteligencia artificial aplicada al descubrimiento de fármacos a partir de plantas medicinales

Imagen generada por IA (Chat GPT)

El descubrimiento de nuevos fármacos a partir de plantas medicinales presenta dificultades específicas derivadas de la complejidad de los extractos, la variabilidad fitoquímica, la identificación taxonómica, la necesidad de aislar y caracterizar metabolitos y el frecuente redescubrimiento de sustancias ya conocidas. Esta revisión examina las posibles aportaciones de la inteligencia artificial (IA) para abordar estos problemas a lo largo de todo el proceso de investigación.

Entre las aplicaciones analizadas se encuentran la identificación automatizada de especies mediante visión artificial, la minería de información etnobotánica mediante procesamiento del lenguaje natural, la optimización de los procedimientos de extracción, la identificación de metabolitos y la desreplicación, es decir, el reconocimiento precoz de compuestos ya conocidos para evitar esfuerzos de aislamiento innecesarios. También se revisa el empleo de modelos predictivos para cribado virtual, propiedades ADMET y selección de candidatos con mayor probabilidad de actividad y un perfil farmacocinético adecuado.

Los autores destacan especialmente la utilidad potencial de la IA en un aspecto característico de la fitoterapia: la existencia de múltiples componentes que pueden actuar simultáneamente sobre diferentes dianas. La combinación de IA, farmacología de redes y datos ómicos puede facilitar la construcción de redes planta–compuesto–diana–enfermedad y contribuir al estudio de mecanismos de acción complejos y posibles fenómenos de sinergia. La revisión considera que, a corto plazo, este enfoque dispone de una base más sólida que el diseño completamente automatizado de nuevas moléculas.

Otro campo emergente es la IA generativa, capaz de utilizar estructuras de productos naturales como punto de partida para diseñar derivados o moléculas «pseudo-naturales» con propiedades potencialmente mejoradas. Sin embargo, estos métodos continúan fundamentalmente en una fase exploratoria, ya que las moléculas generadas deben demostrar posteriormente su viabilidad sintética, actividad biológica, seguridad y utilidad terapéutica mediante estudios experimentales.

Uno de los mensajes centrales de la revisión es que el progreso no depende únicamente de disponer de algoritmos más sofisticados. Para que los modelos sean realmente útiles se necesitan bases de datos fitoquímicas preparadas específicamente para IA, con nomenclatura botánica normalizada y metadatos sobre la parte utilizada, método de extracción, condiciones experimentales y características del preparado. Los autores advierten además del riesgo de sesgos derivados de la sobre-representación de determinadas plantas y metabolitos muy estudiados, así como de la escasez de resultados negativos publicados.

La revisión plantea como perspectiva futura el desarrollo de modelos fundacionales específicos para productos naturales y sistemas integrados en los que la IA pueda interactuar con procesos experimentales de extracción, fraccionamiento y análisis. No obstante, subraya que la IA debe considerarse una herramienta de apoyo a la toma de decisiones y no un sustituto de la investigación experimental. Hasta el momento no existen fármacos fitoterápicos clínicamente aprobados desarrollados íntegramente mediante IA, por lo que la validación in vitro, in vivo y clínica continúa siendo imprescindible.

Referencia

Gangwal A, Ansari A, Siddique MUM, Sawale J, Padmane S, Wadekar R. Integrating artificial intelligence into drug discovery from medicinal plants: current applications and infrastructural challenges. Chem Biol Drug Des. 2026;108:e70372. doi:10.1111/cbdd.70372.