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)