Cómo la IA y Big Data están cambiando el descubrimiento de fármacos

IA en medicina

La inteligencia artificial y el software que puede gestionar grandes cantidades de datos ya están revolucionando el descubrimiento de fármacos. Desde principios de la década de 2000, los investigadores han estado analizando el potencial de la IA para revolucionar los procesos de descubrimiento de fármacos, incluido el diseño racional de fármacos, la identificación de moléculas candidatas para futuras investigaciones y formas de mejorar los métodos QSAR.

Beneficios específicos de la IA y Big Data en el descubrimiento de fármacos

Capturar y trabajar con grandes cantidades de datos es uno de los verdaderos beneficios de la IA en el proceso de descubrimiento de fármacos, así como en otros aspectos de la investigación y el desarrollo farmacéuticos. Según Matthew Harrison, un analista de biotecnología en Morgan Stanley Research“una reducción del 20% al 40% en los costos para el desarrollo preclínico” podría generar suficientes ahorros de costos para desarrollar de cuatro a ocho nuevas moléculas con beneficios médicos.

Según PhRMA, un organismo de defensa que fomenta el descubrimiento de nuevos medicamentos importantes a través de políticas públicas, el primera etapa de desarrollo de fármacos lleva aproximadamente de tres a seis años. Parte de la demora en el proceso se debe a la dependencia de objetivos predeterminados para la investigación, lo que puede resultar muy costoso para los presupuestos de investigación y desarrollo si los objetivos predeterminados resultan inadecuados para un mayor desarrollo.

Boston Consulting Group dice que “lograr el valor total de la IA requiere una transformación del proceso de descubrimiento”. Utilizando el mayor poder predictivo de la IA, las empresas dedicadas al descubrimiento de fármacos pueden hacer que su proceso de descubrimiento sea más rápido y eficiente.

La IA tiene beneficios para el descubrimiento de fármacos al localizar los objetivos biológicos correctos. También juega un papel importante en la identificación y el diseño de moléculas pequeñas que califican como buenas candidatas preclínicas para futuras investigaciones. La IA puede ayudar a:

  • Llevar a cabo dinámicas moleculares para detectar aciertos de moléculas pequeñas
  • Analizar la estructura molecular y los datos experimentales.
  • Predecir la estructura de moléculas pequeñas y las relaciones de actividad (SAR)
  • Analizar posibles dianas proteicas
  • Preseleccione fármacos principales utilizando la predicción de IA de propiedades farmacodinámicas

Como ejemplo, la plataforma de diseño de IA ‘Centaur Chemist’ de Exscientia se utilizó para comparar las propiedades de millones de moléculas pequeñas para localizar un posible fármaco candidato que podría ayudar a las células T a combatir el cáncer en tumores sólidos. La plataforma de inteligencia artificial ‘Centaur Chemist pudo ayudar a los investigadores a localizar un candidato para ensayos clínicos en ocho meses, en lugar de cuatro a cinco años con los métodos tradicionales de descubrimiento.

De manera similar, la plataforma Cerella AI de Optibrium, una compañía de software de descubrimiento de fármacos, apoya a los investigadores que trabajan en las primeras etapas del proceso de descubrimiento, desde la identificación y optimización de pistas hasta la priorización de qué compuestos sintetizar para pruebas preclínicas adicionales.

Desafíos y limitaciones de Big Data en el descubrimiento de fármacos

Uno de los mayores problemas al trabajar con big data para respaldar el descubrimiento de fármacos no es la cantidad de datos, es la calidad de los datos. Por ejemplo, muchas empresas farmacéuticas tienen cantidades ingentes de datos de imágenes médicas, pero no están «preparados para el horario de máxima audiencia» en términos de trabajo con IA y aprendizaje automático. Las imágenes y otros datos pueden ser ruidosos, aislados e inaccesibles.

Los conjuntos de datos también son enormes, con petabytes de datos ya acumulados a partir de ensayos clínicos y procesos de desarrollo anteriores y actuales. La integración de datos de procesos pasados ​​junto con los actuales puede ser muy desafiante. Y el almacenamiento de datos es otro obstáculo más que superar para pasar del análisis de datos heredados y la gestión de proyectos al descubrimiento de fármacos basado en la IA.

No existe una solución «única para todos» disponible en el proceso de descubrimiento y desarrollo de fármacos. Es importante que las empresas involucradas en el descubrimiento temprano de fármacos obtengan control sobre sus datos internos primero, lo que ayudará a superar los desafíos de trabajar con grandes datos en el descubrimiento de fármacos.

El software de IA como la tecnología comprobada de Cerella puede ayudar a identificar oportunidades ocultas y resaltar compuestos de alta calidad. También ayuda a administrar los datos de forma segura y eficiente en la nube.

Software de desarrollo de fármacos impulsado por inteligencia artificial tiene un potencial significativo para revolucionar muchos procesos de descubrimiento farmacéutico diferentes. Incluso puede ayudar en la transformación a un proceso de desarrollo y descubrimiento de fármacos «IA primero», reduciendo la necesidad de experimentos físicos y acelerando el proceso de descubrimiento. En el futuro, es probable que las empresas que adopten una estrategia basada en IA para impulsar su proceso de desarrollo logren mejores resultados, según analistas de la industria como Boston Consulting Group y McKinsey & Company.

Si bien el análisis de big data y las técnicas de IA son muy prometedoras para ayudar al descubrimiento y desarrollo de nuevos medicamentos, aún requieren visión, experiencia y determinación para proporcionar las respuestas cruciales que se necesitan para avanzar en el proceso de descubrimiento de fármacos.

Fuente del artículo

Deja un comentario