En un anterior video ya explicamos como se está utilizando la Inteligencia Artificial dentro de la medicina, inclusive se ha demostrado ser eficaz para ayudar con el diagnóstico o la selección de la línea de tratamiento, así como con la gestión del flujo de documentos. Ahora bien expliquemos como podemos utilizar la Inteligencia Artificial dentro del desarrollo de las medicinas.

Son 10 a√Īos de investigaci√≥n y 2.5 billones de d√≥lares las cifras que describe todo el proceso de desarrollo de una p√≠ldora para una enfermedad en espec√≠fica. A esto hay que sumarle que solo 1 de cada 10 p√≠ldora desarrollada pasar√° todas las etapas necesarias y eventualmente llegar√° a un paciente. Precisamente por esto, el mundo de hoy no puede permitirse estos gastos ni los plazos.

Curso Teórico-Práctico: Machine Learning para no programadores

Es aqu√≠ donde las t√©cnicas de Inteligencia Artificial pueden a√Īadir el mayor valor, haciendo el descubrimiento de la p√≠ldora m√°s r√°pida, m√°s barata y m√°s efectiva. Algunos farmac√©uticos siguen siendo esc√©pticos, pero la mayor√≠a de los expertos esperan que est√°s herramientas sean cada vez m√°s importantes.

aprende f√°cilmente inteligencia artificial - newsletter

La Inteligencia Artificial tiene el potencial de cambiar todo el proceso de descubrimiento de f√°rmacos. Hasta ahora, las etapas de desarrollo de los medicamentos que comienzan con una hip√≥tesis y van hacia la prueba de los medicamentos no est√°n conectadas en absoluto. Por el contrario, desde una perspectiva de Machine Learning, las etapas se pueden interconectan ya que se pueden utilizar los datos de la siguiente etapa para comprender lo que sucede en la etapa anterior o en las dos anteriores. Adem√°s, el acceso simult√°neo a m√ļltiples datos puede identificar un segmento cuantificable en lugar de utilizar descriptores amplios, como los s√≠ntomas de la enfermedad.

Con la Inteligencia Artificial, los investigadores pueden realizar un ensayo en un grupo de pacientes, recibir diferentes resultados y mapearlos en la genética de loas firmas moleculares de los pacientes, definiendo la enfermedad en un terreno más firme.

La Inteligencia Artificial se ha estado utilizando con éxito en todas las etapas principales del desarrollo de los medicamentos, expliquemos cada una de ellas.

Etapa 0: Revisión de la literatura

Hay una enorme cantidad de investigaciones que se publican todos los d√≠as y si pudi√©ramos cotejar los conocimientos de todos los estudios, podr√≠amos formular una mejor hip√≥tesis. Sin embargo, es imposible para un humano leer todos los res√ļmenes y documentos cient√≠ficos, por lo que los investigadores que trabajan en el √°mbito cient√≠fico por lo general solo se centran en un √°rea y no leen otras revistas.

La solución es dejar que las máquinas lean toda la literatura, patentes y documentos disponibles y que agrupen los datos en una base de datos de hechos que puedan ser extraídos de esta literatura.

Curso Te√≥rico-Pr√°ctico:Generaci¬ī√≥n de Texto con Inteligencia Artificial

Etapa 1: Identificación de objetivos para la intervención

El primer paso en el desarrollo de un f√°rmaco es comprender el origen biol√≥gico de una enfermedad y sus mecanismos de resistencia. Para tratar una enfermedad, es crucial identificar buenos objetivos, normalmente prote√≠nas. Sin embargo, sigue siendo un reto integrar el elevado n√ļmero y la variedad de fuentes de datos, y luego encontrar las pautas pertinentes.

Los algoritmos de Inteligencia Artificial son buenos precisamente en esas tareas y puede manejar todos los datos disponibles para predecir automáticamente buenas proteínas.

Etapa 2: Descubrimiento de candidatos a f√°rmacos

Con los objetivos identificados, los investigadores comienzan a buscar un compuesto que pueda interactuar con la molécula objetivo identificada de la manera deseada. Esto implica la selección de miles y millones de potenciales compuestos naturales, sintéticos y de bioingeniería para su efecto en el objetivo y sus efectos secundarios.

Los algoritmos de Inteligencia Artificial pueden predecir la idoneidad de una molécula basándose en huellas estructurales y descriptores moleculares, atravesar millones de moléculas potenciales y filtrarlas hasta las mejores opciones con efectos secundarios mínimos.

Etapa 3: Ensayos clínicos más rápidos

La clave del éxito de los ensayos es una selección precisa de los candidatos adecuados, porque elegir mal implica la prolongación de los ensayos y la pérdida de tiempo y recursos.

Con la Inteligencia Artificial se puede acelerar el dise√Īo de los ensayos cl√≠nicos identificando autom√°ticamente a los candidatos adecuados y asegurar que los participantes en los ensayos se distribuyen correctamente entre los grupos. Los algoritmos pueden identificar patrones que permitan predecir los buenos candidatos. Adem√°s, notificar a los investigadores que un ensayo cl√≠nico no est√° produciendo resultados concluyentes, de modo que los investigadores podr√≠an intervenir antes potencialmente, salvar el desarrollo del f√°rmaco.

Etapa 4: Identificación de biomarcadores para el diagnóstico de la enfermedad

Los biomarcadores son mol√©culas que se encuentran en los fluidos corporales, como la sangre, que proporcionan una certeza absoluta de si un paciente tiene una enfermedad o no. Hacen que el proceso de diagn√≥stico de una enfermedad sea seguro y barato. Tambi√©n se pueden utilizar para se√Īalar el avance de la enfermedad, facilitando a los m√©dicos la elecci√≥n del tratamiento correcto y el control de la eficacia del medicamente. Sin embargo, el descubrimiento de los biomarcadores implica el examen de decenas de miles de posibles mol√©culas candidatas.

Una vez más, la Inteligencia Artificial puede automatizar y acelerar el proceso. Los algoritmos clasifican las moléculas en buenas y malas candidatas y el investigador puede centrarse en analizar solo las mejores perspectivas.

Aunque a√ļn falta para que se utilice complemente la Inteligencia Artificial dentro de est√° √°rea, hay m√ļltiples ejemplos de su uso por parte de las compa√Ī√≠as farmac√©uticas. Por ejemplo, el gigante farmac√©utico Merck & Co est√° trabajando en un proyecto que utiliza la tecnolog√≠a de Aprendizaje Profundo para el descubrimiento de nuevas mol√©culas peque√Īas. Pfizer ha iniciado una colaboraci√≥n con IBM Watson para la investigaci√≥n del descubrimiento de f√°rmacos de inmunooncolog√≠a. Los investigadores de la empresa de biotecnolog√≠a Berg, han desarrollado un modelo para identificar mecanismos de c√°ncer previamente desconocidos mediante pruebas en m√°s de 1000 muestras de c√©lulas humanas cancerosas y sanas.

Las industrias farmac√©uticas est√°n adoptando activamente los beneficios de la Inteligencia Artificial para identificar y examinar los medicamentos, predecir con mayor precisi√≥n los candidatos a medicamentos y en √ļltima instancia, reducir los costos y el esfuerzo de investigaci√≥n y desarrollo.

Con esto finalizamos la explicaci√≥n. Ya tienes una base de c√≥mo se est√° implementando la Inteligencia Artificial dentro de las farmac√©uticas, por lo tanto te dejo la siguiente pregunta, ¬ŅCu√°les de las siguientes afirmaciones crees t√ļ que sea cierta?

Opción 1: Las máquinas pueden leer toda la literatura, patentes y documentos disponibles y que agrupen los datos en una base de datos.

Respuesta correcta.

Opción 2: La Inteligencia Artificial puede retrasar los ensayos clínicos de los fármacos ya que revisen en detalle toda la información recolectada.

Respuesta incorrecta. Con la Inteligencia Artificial se puede acelerar el dise√Īo de los ensayos cl√≠nicos identificando autom√°ticamente a los candidatos adecuados.

Opción 3: No se está adoptando la Inteligencia Artificial en las empresas farmacéuticas por miedo a las consecuencias.

Respuesta incorrecta. Las industrias farmacéuticas están adoptando activamente los beneficios de la Inteligencia Artificial para identificar y examinar los medicamentos

Deja un comentario

Tu dirección de correo electrónico no será publicada.