Leila Pirhaji
1,708,913 views • 5:14

En 2003, cuando secuenciamos el genoma humano, creímos que encontraríamos la respuesta para muchas enfermedades. Pero la realidad está muy lejos de esto, porque además de nuestros genes, nuestro ambiente y estilo de vida podrían tener un rol importante en el desarrollo de varias enfermedades importantes.

Un ejemplo de esto es la enfermedad del hígado graso, que afecta a más del 20 % de la población global, no tiene tratamiento y puede causar cáncer de hígado o insuficiencia hepática. Así que, secuenciar el ADN no nos da información suficiente para encontrar tratamientos efectivos.

El lado positivo es que hay muchas otras moléculas en nuestro cuerpo. Es más, hay más de 100 000 metabolitos. Los metabolitos son moléculas muy chiquitas en tamaño. Ejemplos conocidos serían la glucosa, la fructosa, la grasa, el colesterol, cosas que escuchamos a menudo. Los metabolitos están involucrados en nuestro metabolismo. Tienen la carga genética de nuestro ADN así que tienen información sobre nuestros genes y sobre nuestro estilo de vida. Entender los metabolitos

puede ayudar a encontrar tratamientos para muchas enfermedades. Siempre quise tratar pacientes. A pesar de eso, hace 15 años, dejé mis estudios de Medicina porque extrañaba las matemáticas. Poco después, descubrí algo fantástico: puedo usar la matemática para estudiar medicina. Desde entonces, fui desarrollando algoritmos para analizar datos biológicos. Parecía fácil: juntemos datos de todos los metabolitos que hay en nuestro cuerpo, desarrollemos modelos matemáticos para describir cómo cambian con enfermedades

y cómo intervienen en esos cambios para poder tratarlas. Pero me di cuenta por qué nadie lo había hecho antes:

es extremadamente difícil.

(Risas) Hay demasiados metabolitos en nuestro cuerpo. Cada uno es diferente de otro. Para algunos metabolitos, podemos medir su masa molecular usando instrumentos de espectrometría de masas. Pero como podría haber como 10 moléculas con la misma masa no sabemos exactamente qué son, y si se quiere identificar todas claramente, hay que hacer más experimentos, lo que podría llevar décadas

y miles de millones de dólares. Así que, desarrollamos una plataforma de inteligencia artificial que hace eso. Aprovechamos el crecimiento de los datos biológicos y construimos una base de datos a partir de información obtenida sobre metabolitos y sus interacciones con otras moléculas. Combinamos todos estos datos como una mega red. A partir de tejidos o de la sangre de pacientes, medimos las masas de los metabolitos y encontramos las masas que cambian en una enfermedad. Pero, cómo dije antes, no sabemos exactamente qué son. Una masa molecular de 180 podría ser glucosa o galactosa o fructosa. Todas tienen exactamente la misma masa. Pero tienen distintas funciones en nuestro cuerpo. Nuestro algoritmo de IA consideró todas estas ambigüedades. Y luego explotó toda esa mega red para encontrar como esas masas metabólicas están conectadas entre sí para causar una enfermedad. Y por la forma en la que están conectadas, podemos deducir cuál es la masa del metabolito, como esta 180 que podría ser glucosa, y más importante aún, descubrir cómo los cambios en la glucosa y otros metabolitos pueden causar enfermedades. Esta comprensión del mecanismo de las enfermedades

nos deja descubrir terapias efectivas para tratar eso. Creamos una empresa emergente para llevar esta tecnología al mercado y para cambiar la vida de la gente. Ahora mi equipo y yo en ReviveMed estamos trabajando para descubrir tratamientos para enfermedades mayores causadas por metabolitos como la enfermedad hepática, que es causada por la acumulación de grasas, que son tipos de metabolitos que se encuentran en el hígado.

Como dije antes, es una epidemia gigante sin tratamiento. Y la enfermedad hepática, es solo un ejemplo. Cambiando de tema, enfrentaremos cientos de otras enfermedades, que no tienen tratamiento. Conforme recolectamos más y más información sobre los metabolitos y entendemos cómo los cambios en los metabolitos llevan al desarrollo de enfermedades, nuestros algoritmos se volverán más y más inteligentes para poder descubrir los tratamientos correctos para los pacientes. Llegaremos más y más cerca a cumplir nuestra visión

de salvar vidas con cada línea de programación.

Gracias. (Aplausos)