Investigadores de Cambridge probaron en 39 voluntarios una vacuna experimental contra una familia de coronavirus. El avance apunta a una nueva forma de diseñar vacunas antes de que aparezca la siguiente amenaza viral, aunque todavía faltan ensayos más grandes para demostrar eficacia real.
Una vacuna experimental cuyo componente activo fue diseñado mediante simulaciones computacionales y aprendizaje automático superó su primera prueba en humanos, de acuerdo con investigadores de la Universidad de Cambridge. El ensayo inicial mostró que la fórmula fue segura y bien tolerada en voluntarios sanos, pero todavía no demuestra que pueda prevenir infecciones ni que esté lista para su uso público.
El proyecto fue desarrollado por un equipo liderado por Cambridge y su empresa derivada DIOSynVax. La vacuna, llamada pEVAC-PS, fue diseñada para generar protección amplia contra los sarbecovirus, una familia de coronavirus que incluye al SARS-CoV-2, causante de la pandemia de COVID-19, al virus del SARS y a coronavirus relacionados que circulan en animales y podrían saltar a humanos en el futuro.
El ensayo de fase I incluyó a 39 voluntarios sanos y evaluó principalmente seguridad, tolerabilidad e inmunogenicidad, es decir, la capacidad de inducir una respuesta del sistema inmune. Según Cambridge, la vacuna no mostró efectos secundarios significativos y generó respuestas inmunes no sólo frente a SARS-CoV-2 y SARS, sino también frente a virus relacionados de murciélagos con potencial zoonótico.
El punto novedoso está en el método de diseño. En lugar de crear una vacuna dirigida a una variante específica ya conocida, el equipo utilizó datos genéticos de sarbecovirus registrados por programas de vigilancia y aplicó aprendizaje automático para identificar características compartidas dentro de ese grupo viral. Con esa información diseñó un “superantígeno”, una pieza capaz de entrenar al sistema inmune contra rasgos comunes de la familia viral, incluidos virus que aún no han emergido en humanos.
La tecnología intenta cambiar la lógica tradicional de respuesta ante brotes. Muchas vacunas actuales se actualizan frente a variantes o cepas que ya están circulando. El objetivo de esta plataforma es preparar antígenos más amplios, capaces de anticipar amenazas virales antes de que se conviertan en una emergencia sanitaria. Cambridge sostiene que es la primera vez que una vacuna cuyo componente activo fue diseñado por simulaciones computacionales se prueba en personas.
La vacuna fue administrada como una vacuna de ADN mediante un sistema intradérmico sin aguja, basado en un microchorro de fluido. Este método podría facilitar campañas de vacunación a gran escala y reducir barreras para personas que evitan las inyecciones tradicionales. Gavi, la alianza internacional de vacunación, señaló además que las vacunas de ADN suelen ser más estables que las de ARN mensajero, lo que podría facilitar almacenamiento y transporte en regiones con infraestructura limitada de cadena de frío.
Aun así, el resultado debe leerse con cautela. Un ensayo de fase I no está diseñado para probar eficacia poblacional, sino para evaluar si una intervención es segura y si activa una respuesta inmune inicial. Gavi subrayó que, aunque los resultados son alentadores, las respuestas inmunes observadas fueron modestas, aún no se sabe cuánto duraría la protección ni si serían necesarios refuerzos adicionales. También faltan estudios más amplios para determinar si la vacuna realmente previene o reduce infecciones en condiciones reales.
Cambridge informó que el siguiente paso será un ensayo de fase II con una población más amplia y diversa, cuyo objetivo será confirmar si la vacuna induce respuestas inmunes fuertes y de amplio alcance. Hasta entonces, el avance debe entenderse como una prueba temprana de una plataforma de diseño, no como una vacuna universal disponible para la población.
La importancia del caso no está en que la IA reemplace la investigación clínica, la regulación o las pruebas de seguridad. Al contrario: el estudio muestra que incluso una vacuna diseñada con herramientas computacionales debe pasar por las mismas etapas de validación que cualquier otra intervención médica. La IA acelera y amplía la fase de diseño, pero no elimina la necesidad de demostrar seguridad, eficacia y duración de la protección en humanos.
El cambio de fondo podría estar en otra parte. Si la plataforma funciona en estudios posteriores, la inteligencia artificial permitiría diseñar vacunas a partir de patrones compartidos entre familias virales, no sólo contra amenazas ya conocidas. Eso abriría la puerta a una estrategia más preventiva frente a pandemias: preparar candidatos antes de que el siguiente virus llegue a la población humana.
Por ahora, pEVAC-PS representa una señal científica prometedora, pero todavía limitada. No es una vacuna aprobada ni una solución inmediata contra futuros brotes. Es una demostración inicial de que el diseño computacional puede entrar a la etapa clínica y comenzar a probar si la medicina puede pasar de reaccionar ante variantes a anticipar familias enteras de virus.
