inteligencia artificial medicamentos
Therapeutics Data Commons es la plataforma diseñada por Harvard para descubrir nuevos medicamentos Credit: Pexels
COMPARTE

Un equipo de investigadores de la Facultad de Medicina de Harvard lanzó una plataforma para optimizar el descubrimiento de medicamentos impulsado por la inteligencia artificial a través del desarrollo de datos y algoritmos reales.

El aumento de enfermedades crónicas e infecciones y la aparición de nuevos patógenos han originado la necesidad de nuevos medicamentos.

La capacidad que tiene la inteligencia artificial en analizar numerosas cantidades de datos, patrones, relaciones y predecir efecto puede ser de ayuda para avanzar en la búsqueda de nuevos tratamientos.

Therapeutics Data Commons, la plataforma diseñada por Harvard para descubrir nuevos medicamentos, es de acceso abierto, es decir, sirve como un puente en el que los investigadores de aprendizaje automático y los científicos informáticos puedan compartir datos con los investigadores biomédicos, bioquímicos, investigadores clínicos y diseñadores de fármacos.

Estos especialistas por años han trabajado aislados, por lo que esta plataforma pretende impulsar y acelerar la cadena de investigación de nuevos medicamentos, que por lo general actualmente tardan 11 años.

La página brinda la curación de conjuntos de datos como el diseño de algoritmos y la evaluación del rendimiento para varias modalidades de tratamiento, entre ellos medicamentos anticuerpos, de moléculas pequeñas, terapias genéticas y celulares.

La inteligencia artificial y el descubrimiento de medicamentos

Marinka Zitnik, informática biomédica y directora del equipo de investigadores, explicó que todavía la inteligencia artificial no ha podido transformar el descubrimiento de fármacos.

“Aún no hemos llegado. Hay una serie de desafíos, pero diría que el mayor es comprender qué tan bien funcionan nuestros algoritmos actuales y si su desempeño se traduce en problemas del mundo real”, comentó.

Aunque los nuevos  modelos de inteligencia artificial a través del modelado por computadora ha logrado precisiones casi perfectas, no se ha hecho una adopción generalizada del aprendizaje automático en el descubrimiento de fármacos porque, según Zitnik, existe una gran brecha entre tener un buen desempeño en un conjunto de datos de referencia y estar listos para la transición a la implementación en el mundo real en un entorno biomédico o clínico.

“Los datos con los que se entrenan y prueban estos modelos no son indicativos del tipo de desafíos a los que están expuestos estos modelos cuando se usan en la práctica real, por lo que cerrar esta brecha es realmente importante”, admitió.

Los objetivos a largo plazo de Therapeutics Data Commons

La misión de los investigadores es apoyar el descubrimiento de fármacos de inteligencia artificial en dos partes.

La primera es el diseño y prueba de métodos de aprendizaje automático en todas las etapas del descubrimiento y desarrollo de los fármacos hasta la investigación clínica.

La segunda es “para respaldar el diseño y la validación de algoritmos de aprendizaje automático en múltiples modalidades terapéuticas, especialmente las más nuevas, incluidos productos biológicos, vacunas, anticuerpos, medicamentos de ARNm, terapias de proteínas y terapias génicas”.

“Existe una gran oportunidad para que el aprendizaje automático contribuya a esas terapias novedosas, y aún no hemos visto el uso de la IA en esas áreas en la medida en que lo hemos visto en la investigación de moléculas pequeñas, donde gran parte del enfoque está hoy”, expresó Zitnik.

Fuente principal de la noticia: Harvard Medicine News.

COMPARTE
ÚLTIMAS NOTICIAS