Bernstein Insights: Líderes y disruptores de la atención médica – 3.er Foro anual de atención médica de Generate Biomedicines, Inc. Common Stock

Muy bien. Gracias, Courtney; es un gusto estar aquí. Generate es una empresa fundada en 2018, bastante antes de que se generalizara el uso de la IA generativa para diseñar tratamientos con proteínas. Esta empresa se fundó en una época anterior a AlphaFold y ChatGPT, con el objetivo de aprovechar el aprendizaje automático para comprender y programar la biología. Desde el principio, los primeros resultados han sido sumamente alentadores: podemos comprender, a partir de grandes conjuntos de datos, cómo una secuencia de proteínas se traduce finalmente en su función. En el centro de la empresa hay un enfoque integrado que combina laboratorio seco y húmedo. Llevamos los modelos computacionales, incluidos los modelos de difusión, hasta sus límites para generar buenas estimaciones previas en un espacio de búsqueda extraordinariamente amplio. Después contamos con un laboratorio húmedo y un proceso de verificación para producir y probar realmente todas esas propuestas computacionales.

Creo que, si pensamos en los ámbitos de la IA generativa donde hemos visto el mayor potencial, siempre se trata de casos en los que hay un ciclo de verificación rápido. DeepMind comenzó en los videojuegos porque había un sistema de puntuación con el que se podían entrenar modelos rápidamente. El motivo por el que vemos tanto avance en programación y matemáticas es una característica similar: hay un proceso de verificación rápido. La biología no tiene un proceso de verificación natural. Por eso, la estrecha conexión entre el laboratorio seco y el húmedo permite crear modelos de alto rendimiento y avanzar hacia un mundo en el que podamos programar la biología.

Bueno, creo que esto está cambiando muy rápido. Incluso desde que Generate Biomedicines se fundó en 2018, ha habido dos revoluciones fundamentales en el ámbito computacional. La primera fue la introducción de los modelos de lenguaje grandes en 2022, y la segunda es ahora esta revolución de la ciencia con agentes. En ambos casos, estos cambios tecnológicos han ampliado el alcance con el que usamos estas tecnologías.

Ahora, todos los programas en los que trabajamos comienzan con una fase de diseño con agentes. Estamos viendo que se puede tener a unos 1,000 doctorados investigando cualquier área de la biología y obteniendo en una semana respuestas que históricamente habrían tomado meses. La capacidad de comprender los fundamentos de la biología está cambiando rápidamente. Al mismo tiempo, también está mejorando radicalmente nuestra capacidad para diseñar moléculas y obtener respuestas desde una perspectiva molecular. Creo que, si preguntáramos en qué ámbito hemos avanzado más, probablemente sería el diseño molecular.

Estamos empezando a entender cómo, en cierto modo, programar moléculas. Creo que en los próximos 5 a 10 años podemos ver un mundo en el que el diseño de moléculas se vuelva una actividad generalizada. Esto tiene enormes implicaciones para la industria, porque entonces se podrá crear básicamente una molécula para cualquier objetivo que se quiera modificar.

Creo que el siguiente paso, que en parte refleja la maduración de la empresa, es pensar en cómo usar estas herramientas en la clínica. Estamos viendo que hay un enorme desperdicio en el proceso de desarrollo clínico. Nuestro principal activo está en un ensayo de fase III para el asma grave. El periodo de reclutamiento de ese ensayo es de 2 años. Eso no tiene nada que ver con el criterio de valoración clínico. Se trata de cómo encontrar pacientes y centros. Estamos trabajando en 40 países distintos y unos 400 centros. La tasa de reclutamiento de cada centro es casi vergonzosamente baja.

La idea de que no podamos usar estas tecnologías para identificar con mucha más rapidez a pacientes que claramente dejaron rastros digitales de hospitalizaciones por exacerbaciones de asma me parece una oportunidad evidente para la industria.

Creo que hay enormes oportunidades para eliminar el desperdicio en el desarrollo clínico. Creo que hay grandes oportunidades para mejorar radicalmente los plazos de presentación.

Por lo general, desde la última visita del último paciente del estudio hasta la presentación del protocolo o de la BLA, a menudo transcurren entre 3 y 6 meses. Creo que podemos imaginar un mundo en el que un LLM redacte casi al instante la presentación regulatoria al terminar un estudio. En ese ciclo hay una enorme cantidad de desperdicio que se podría eliminar. Después, creo que se vuelve aún más interesante: ¿dónde encontramos rastros digitales y biomarcadores digitales para enriquecer las poblaciones, de modo que pueda reducirse el tamaño de la muestra del estudio y demostrarse un mayor efecto del tratamiento? Creo que todas estas herramientas convergerán, en distintas etapas de maduración. Creo que la complejidad de la biología seguirá desconcertándonos durante algún tiempo.

Sí. Pero la realidad es que creo que estamos avanzando hacia un futuro de la medicina más programable.