fbpx

Un nuevo modelo de IA puede predecir con precisión la respuesta humana a los nuevos compuestos farmacológicos

COMPARTE!

El viaje entre la identificación de un posible compuesto terapéutico y la aprobación de un nuevo medicamento por parte de la Administración de Alimentos y Medicamentos puede llevar más de una década y costar más de mil millones de dólares. Un equipo de investigación del Centro de Graduados de CUNY ha creado un modelo de inteligencia artificial que podría mejorar significativamente la precisión y reducir el tiempo y el costo del proceso de desarrollo de medicamentos.

Descrito en un artículo recientemente publicado en Nature Machine Intelligence, el nuevo modelo, llamado CODE-AE, puede detectar nuevos compuestos farmacológicos para predecir con precisión la eficacia en humanos. En las pruebas, también fue capaz de identificar teóricamente medicamentos personalizados para más de 9,000 pacientes que podrían tratar mejor sus afecciones. Los investigadores esperan que la técnica acelere significativamente el descubrimiento de fármacos y la medicina de precisión.

La predicción precisa y robusta de las respuestas específicas del paciente a un nuevo compuesto químico es fundamental para descubrir terapias seguras y efectivas y seleccionar un medicamento existente para un paciente específico. Sin embargo, no es ético e inviable hacer pruebas tempranas de eficacia de un medicamento en humanos directamente. Los modelos celulares o tisulares se utilizan a menudo como sustitutos del cuerpo humano para evaluar el efecto terapéutico de una molécula de fármaco. Desafortunadamente, el efecto del fármaco en un modelo de enfermedad a menudo no se correlaciona con la eficacia y toxicidad del fármaco en pacientes humanos. Esta brecha de conocimiento es un factor importante en los altos costos y las bajas tasas de productividad del descubrimiento de fármacos.

«Nuestro nuevo modelo de aprendizaje automático puede abordar el desafío traslacional de los modelos de enfermedades a los humanos», dijo Lei Xie, profesor de ciencias de la computación, biología y bioquímica en el Centro de Graduados de CUNY y Hunter College y autor principal del artículo. «CODE-AE utiliza un diseño inspirado en la biología y aprovecha varios avances recientes en el aprendizaje automático. Por ejemplo, uno de sus componentes utiliza técnicas similares en la generación de imágenes Deepfake».

El nuevo modelo puede proporcionar una solución al problema de tener suficientes datos de pacientes para entrenar un modelo generalizado de aprendizaje automático, dijo You Wu, estudiante de doctorado del Centro de Graduados de CUNY y coautor del artículo. «Aunque se han desarrollado muchos métodos para utilizar pantallas de línea celular para predecir respuestas clínicas, sus rendimientos no son confiables debido a la incongruencia de los datos y las discrepancias», dijo Wu. «CODE-AE puede extraer señales biológicas intrínsecas enmascaradas por el ruido y los factores de confusión y aliviar eficazmente el problema de la discrepancia de datos».

Como resultado, CODE-AE mejora significativamente la precisión y la robustez sobre los métodos de vanguardia en la predicción de las respuestas a medicamentos específicos del paciente puramente a partir de pantallas de compuestos de línea celular.

El próximo desafío del equipo de investigación para avanzar en el uso de la tecnología en el descubrimiento de fármacos es desarrollar una forma para que CODE-AE prediga de manera confiable el efecto de la concentración y metabolización de un nuevo medicamento en los cuerpos humanos. Los investigadores también notaron que el modelo de IA podría modificarse para predecir con precisión los efectos secundarios humanos de los medicamentos.


COMPARTE!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *