Créditos de las imagenes: Oficina de prensa del Technion..
La Dra. Kira Radinsky y Shahar Harel han desarrollado un sistema inteligente para el desarrollo de nuevas drogas.
Fundado en inteligencia artificial y aprendizaje profundo, se espera que el sistema reduzca drásticamente los costos del desarrollo de fármacos.
Será presentado esta semana durante la conferencia KDD 2018 en Londres.
Hay que entender que la producción de drogas es un proceso costoso y prolongado.
Qué tan costoso y largo
Los costos de medio billón a 2.5 billones de dólares por medicamento, más de 10-15 años son los números comunes en el mundo de la farmacología.
En el pasado, se descubrieron casualmente nuevas drogas, el descubrimiento de la penicilina fue el ejemplo más famoso.
Pero los procesos modernos se informatizan son más sistemáticos.
Se trabaja con muchas moléculas y la selección de aquellas que tienen el mayor potencial terapéutico.
El problema es que entre 1023 y 1060 moléculas muestran un potencial terapéutico.
Por lo tanto, el proceso de desarrollo generalmente se acorta. También se estrecha la amplitud inicial a las moléculas que presentan las propiedades deseadas.
Esto aún deja una enorme cantidad de moléculas.
Presentación a nivel mundial.
En el estudio se presentará en KDD 2018. Entonces los investigadores del Technion formularon un nuevo enfoque para la generación de candidatos a moléculas terapéuticas.
Según Shahar Harel, su hipótesis de trabajo es que el vocabulario de la química orgánica relacionada con el desarrollo de fármacos es similar al de un lenguaje natural.
El sistema que desarrollamos, se basa en inteligencia artificial y aprendizaje profundo.
Nuestro sistema usa este lenguaje basado en cientos de miles de moléculas.
Además, le proporcionamos la composición química de todos los medicamentos aprobados hasta 1950. Son los mismos que sirvieron como prototipos sobre los cuales se generan nuevas variaciones.
Para generar un sistema creativo, deliberadamente introdujimos el «ruido», que produce diversidad.
A saber, el sistema generará muchas variaciones de las drogas existentes.
Por lo tanto, el sistema se basa en un lenguaje farmacológico, datos sobre medicamentos existentes y un mecanismo de promoción de la creatividad.
Instruyeron al sistema para que proponga 1000 medicamentos basados en medicamentos viejos. Entonces los investigadores se sorprendieron al descubrir que 35 de los nuevos medicamentos generados por el sistema son medicamentos existentes. Y la sorpresa fue mayor al verlos aprobados por la FDA, después de 1950.
En otras palabras, los investigadores demostraron la eficiencia del sistema en el desarrollo de medicamentos «racionales» o válidos.
«En esencia, presentamos aquí un algoritmo que aborda la etapa creativa del desarrollo de fármacos: la etapa de descubrimiento de moléculas», dijo Harel.
«Esta capacidad se basa en nuestra innovación matemática. De este modo se permite a la computadora comprender el lenguaje químico y generar nuevas moléculas basadas en un prototipo».
Inteligencia artificial y nuevos fármacos
Según Radinsky, «lo que hemos presentado aquí no es solo un medio de racionalizar los métodos existentes, sino también paradigmas de desarrollo de fármacos y prácticas científicas completamente nuevos.
En lugar de buscar correlaciones específicas basadas en hipótesis que formulamos, permitimos que la computadora identifique estas conexiones desde un tamaño de muestra masivo, sin guía.
La computadora no es más inteligente que el hombre, pero puede hacer frente a grandes cantidades de datos y encontrar correlaciones inesperadas.
Así es como logramos encontrar (en otro estudio) los efectos secundarios desconocidos de varias drogas y combinaciones de fármacos.
Ahora tenemos un mecanismo innovador de desarrollo de fármacos.
Este es un tipo de ciencia novedosa que no se basa en hipótesis probadas en un experimento, sino en datos que generaron la hipótesis de la investigación.
La importancia de este avance es particularmente grande frente a la Ley de Eroom.
Esta Ley de Eroom afirma que la cantidad de medicamentos nuevos aprobados por la FDA debería disminuir a una tasa de aproximadamente 50% cada 9 años.
(Esto representa la relación entre el número de medicamentos nuevos y la inversión en investigación y desarrollo).
Inteligencia artificial frente a la ley de Moore
El término Eroom se acuñó en 2012 en un artículo publicado en Nature Reviews Drug Discovery. Es una tesis inversa a la ley de Moore, el nombre de Gordon Moore, uno de los fundadores de Intel.
Moore observó que la cantidad de transistores en un circuito integrado denso se duplica cada dos años.
Por el contrario, la Ley de Eroom señala que cada año se comercializan cada vez menos medicamentos.
Radinksy proyecta que «este nuevo desarrollo acelerará y reducirá los costos del desarrollo de medicamentos nuevos y efectivos.
De este modo se reduce el tiempo que los pacientes tendrán que esperar por los medicamentos.
Además, se espera que este avance conduzca al desarrollo de fármacos que no se habrían generado con el paradigma farmacológico convencional.
Te gusta latamisrael.com?
Si respondiste “si” Sumanos tambien en Twitter.
