Datos libres: Unificando y contextualizando datos del descubrimiento de fármacos

La IA es tan poderosa como los datos que consume, y funciona mejor con datos que tienen la calidad, el detalle y el contexto adecuados. Si bien hay abundantes datos científicos en el campo de los productos farmacéuticos y la biotecnología, estos suelen estar aislados, mal modelados y, en última instancia, inaccesibles. Un enfoque meticuloso para capturar y conservar datos de I&D es indispensable para liberar todo el potencial de las metodologías novedosas de IA. Examinar cómo se ingresan, almacenan, organizan y mantienen los datos es crucial. Una estrategia sólida de gestión de datos preparada para la IA puede ayudar a los líderes en el descubrimiento de fármacos a aprovechar la IA para entregar más rápido medicamentos innovadores a los pacientes.

A medida que la IA ha madurado, muchas industrias han experimentado los beneficios de automatizar tareas tediosas que requieren muchos datos. Ahora, la industria del descubrimiento de fármacos se enfrenta a una gran demanda de encontrar conocimiento a partir de grandes volúmenes de datos, mientras que la tecnología de IA de vanguardia se está volviendo más ampliamente disponible justo a tiempo.

El desafío de la complejidad de los datos. La I&D farmacéutica siempre ha tenido una gran carga de datos, involucrando muchos tipos de datos de diversas fuentes, incluyendo instrumentos de laboratorio, ensayos clínicos y evidencia del mundo real.

Estos datos suelen almacenarse en sistemas dispares, lo que genera aislamiento que dificulta el acceso y el uso de los datos tanto para humanos como para máquinas. Además, las terapias farmacológicas modernas son cada vez más complejas. Las modalidades de fármacos, tales como anticuerpos y terapias celulares y genéticas, comprenden entidades moleculares grandes e intrincadas, y desarrollar estas soluciones complicadas requiere grandes cantidades de datos. Esta complejidad es una oportunidad para la innovación, pero también subraya la necesidad de las capacidades interpretativas de la IA en el descubrimiento de fármacos (ver Figura 1).



A medida que la ciencia se vuelve más compleja, los investigadores necesitan nuevas herramientas y diferentes enfoques para conservar los datos a fin de garantizar la calidad y la consistencia. Las herramientas simples para almacenar y organizar datos eran adecuadas para gestionar el trabajo que realizaban las generaciones anteriores, pero carecían de las capacidades necesarias para las complejas necesidades de investigación actuales. Afortunadamente, la IA puede reducir la carga de trabajo humana y rápidamente alcanzar objetivos (2). Cuando se combina con una gestión de datos adecuada, puede encontrar rápidamente patrones y descubrir información oculta que los humanos de otro modo pasarían por alto.

Capacidades de la IA. La IA puede consumir y analizar conjuntos de datos complejos, y el aprendizaje automático puede identificar patrones valiosos dentro de los datos. De manera similar a cómo la industria manufacturera ha subcontratado tareas pesadas y repetitivas a robots, la industria farmacéutica puede delegar tareas informáticas complejas a sistemas de IA, lo que permite a los humanos encontrar información, tomar decisiones y explorar nuevas capacidades. Herramientas tales como IA generativa y algoritmos de AA devuelven tiempo de calidad a los científicos e impulsan lo que los científicos hacen mejor: pensar, experimentar y descubrir nuevas terapias más rápido.

CONTINUAR LEYENDO...