Una inteligencia artificial revisa 6.747 fármacos y da con un antibiótico veterinario que, en el laboratorio, frena al neumococo multirresistente

En las placas de 96 pocillos de un laboratorio del Imperial College de Londres, una décima de nanogramo de tiostreptona por mililitro de caldo de cultivo bastó para reducir a la mitad el crecimiento de Streptococcus pneumoniae, la causa más frecuente de neumonía bacteriana adquirida fuera del hospital. Ese antibiótico, que hoy solo se usa en veterinaria, lo eligió un sistema de inteligencia artificial entre 6.747 fármacos ya aprobados o en investigación.

De los 11 medicamentos que la IA puso en cabeza y que el equipo compró para probarlos, nueve frenaron a la bacteria, un 82 % de acierto, y la tiostreptona mantuvo su potencia frente a cepas resistentes a varios antibióticos a la vez.

El trabajo, publicado el 16 de septiembre de 2026 en la revista Advanced Science, lo dirigió Pedro J. Ballester, profesor asociado del Departamento de Bioingeniería del Imperial College de Londres y Wolfson Fellow de la Royal Society. Lo supervisó junto a Nicholas J. Croucher, del MRC Centre for Global Infectious Disease Analysis del mismo centro y del Wellcome Sanger Institute.

Un patógeno prioritario para la OMS

El neumococo provoca desde otitis y sinusitis hasta neumonías y meningitis. Según los autores, la resistencia bacteriana a los antimicrobianos causó unos 1,27 millones de muertes estimadas en el mundo en 2019, y las infecciones respiratorias bajas fueron las que más contribuyeron a esa cifra.

La bacteria se ha vuelto resistente a varios antibióticos «tanto por la adquisición de genes de resistencia como por la modificación de genes esenciales que codifican las dianas de los antibióticos», escriben los investigadores. Por eso figura en la lista de patógenos bacterianos prioritarios que la OMS actualizó en mayo de 2024.

Al presentarla, Yukiko Nakatani, entonces subdirectora general interina de la OMS para la resistencia a los antimicrobianos, advirtió de que desde 2017 «la amenaza de la resistencia a los antimicrobianos se ha intensificado, erosionando la eficacia de numerosos antibióticos y poniendo en riesgo muchos de los logros de la medicina moderna».

Tres inteligencias artificiales para una sola bacteria

La estrategia se llama reposicionamiento de fármacos y consiste en buscar usos nuevos a medicamentos cuya seguridad ya se conoce, la misma idea con la que otros equipos usan la IA para encontrar nuevos usos a medicamentos conocidos en enfermedades raras. Según la nota de Wiley, la editorial de la revista, este enfoque «ahorra tiempo y costes a la vez que reduce el riesgo».

El equipo reunió 1.849 moléculas con actividad comprobada contra el neumococo y 34.503 ejemplos inactivos, la mayoría tomados de un cribado contra otra bacteria resistente, el SARM, y con ellos entrenó tres familias de algoritmos. Una era un bosque aleatorio, un conjunto de árboles de decisión que votan en grupo, y otra, un conjunto de redes neuronales de grafos, que leen cada molécula como una red de átomos y enlaces.

La tercera la formaban cinco modelos MoLFormer, un transformador (la arquitectura de los grandes modelos de lenguaje) preentrenado con las fórmulas escritas de 111 millones de moléculas. «Hasta donde sabemos, este trabajo representa la primera aplicación de un modelo de lenguaje molecular preentrenado en un contexto de cribado de antibióticos», escriben los autores.

De 6.747 candidatos a 11 fármacos en el laboratorio

Los modelos ordenaron los medicamentos del Drug Repurposing Hub, una colección del Broad Institute. De 36 preseleccionados, el equipo descartó 25 por ser difíciles o caros de sintetizar, por tener ya actividad conocida o por parecerse demasiado a otros de la lista.

Los 11 restantes se probaron contra R6, una cepa de laboratorio sensible a los antibióticos. Para medir su fuerza se usó la IC50, la concentración que reduce a la mitad el crecimiento de la bacteria frente a un cultivo sin tratar.

Nueve la frenaron con una IC50 igual o inferior a 0,4 microgramos por mililitro, entre ellos varias cefalosporinas y la dactinomicina, un fármaco de quimioterapia contra el cáncer. Según los autores, solo el levofloxacino tenía actividad conocida contra el neumococo. La linaclotida, «un laxante sin ninguna actividad antimicrobiana conocida», no tuvo efecto.

«Este estudio identificó 9 fármacos con una potente actividad contra S. pneumoniae por el simple coste de comprar y analizar 11 compuestos», resumen los investigadores.

Dos fármacos veterinarios a la cabeza

Los más potentes fueron la tiostreptona, con una IC50 de 0,0001 microgramos por mililitro (60,1 picomolar), y el ceftiofur, con 0,0004 microgramos por mililitro (764 picomolar). Los dos superaron a la cefotaxima, una cefalosporina muy utilizada en humanos que sirvió de referencia, y los dos se emplean hoy solo en medicina veterinaria.

Después se enfrentaron a tres linajes multirresistentes conocidos como PMEN1, PMEN2 y PMEN14. La IC50 del ceftiofur fue entre dos y cinco veces más baja que la de la cefotaxima, y la de la tiostreptona, que actúa sobre el ribosoma (la maquinaria con la que la bacteria fabrica sus proteínas), se quedó en 0,0002 microgramos por mililitro.

«Esto sugiere que la tiostreptona tiene una actividad distinta sobre el ribosoma que no se ve afectada por la resistencia a otros antibióticos de uso común contra el neumococo», escriben los autores.

El artículo la compara con tres estudios previos que usaron la IA para reposicionar fármacos contra otras bacterias, en la línea de los trabajos que ya lograron diseñar con IA un antibiótico eficaz contra superbacterias. Sus mejores candidatos necesitaban entre 2 y 8 microgramos por mililitro, y con las cautelas de comparar ensayos distintos, «la potencia de la tiostreptona es unos cuatro órdenes de magnitud mayor», unas 10.000 veces.

La suma de modelos marcó la diferencia

«La reutilización de fármacos guiada por IA se ha convertido en una estrategia potente para combatir la resistencia a los antimicrobianos, sobre todo frente a patógenos de los que ya se conocen algunas moléculas activas que pueden aprovecharse como conjunto de datos de entrenamiento o de ajuste fino», explicó Ballester en la nota de Wiley.

La tiostreptona quedó primera para las redes de grafos y para MoLFormer, pero el bosque aleatorio la situó en el puesto 115, mientras que el levofloxacino fue séptimo para el bosque aleatorio y rondó el puesto 120 en los otros dos. «Ningún modelo habría identificado por sí solo todos los compuestos activos», señala el artículo, y «es esta integración de diversos modelos de IA la que logró la altísima tasa del 82 %».

Como referencia, un cribado tradicional de 1.200 fármacos contra la misma bacteria solo retuvo 7 compuestos con actividad fuerte, alrededor del 0,6 %.

Lo que el estudio todavía no demuestra

Todos los ensayos se hicieron in vitro, sin pruebas en animales ni en pacientes, y con solo 11 fármacos. Los autores no hacen «ninguna afirmación de que nuestro procedimiento sea óptimo ni de que un modelo de aprendizaje automático sea demostrablemente superior», y piden más estudios para ver «si estas tendencias se mantienen con muestras más grandes».

La tiostreptona tiene un límite práctico, porque «su escasa solubilidad en agua limita su uso al tratamiento de infecciones no invasivas, como la otitis, como componente de una pomada». Los autores lo ven como posible ventaja para infecciones de ojos, oídos y senos nasales, ya que su espectro estrecho apenas afectaría al resto de la microbiota, aunque haría falta un diagnóstico molecular que distinga el neumococo de otras bacterias.

Para el equipo, que ha publicado su código en GitHub, el estudio muestra que la IA sirve «no solo para descubrir nuevos compuestos antimicrobianos, sino también para seleccionar de forma racional y a corto plazo tratamientos de bibliotecas de reposicionamiento de fármacos ya existentes», una vía más frente a las superbacterias, el gran reto sanitario del siglo XXI.

Los resultados se han publicado en Advanced Science.

Crédito de la imagen: CDC / Janice Haney Carr.