¿Cómo la IA está reconfigurando las ciencias de la vida con sus capacidades cognitivas?

¿Cómo la IA está reconfigurando las ciencias de la vida con sus capacidades cognitivas?

La Inteligencia Artificial (IA) es una poderosa fuerza que ya está reformando nuestras vidas, el medio ambiente y las interacciones. Puede definirse como un programa cuyo objetivo es producir procesos cognitivos similares a los humanos y potencialmente incluso mejorarlos. La IA tiene muchas facetas: puede ser algorítmica como en los programas de juego o tomar un enfoque teórico de control como en los vehículos autónomos. También puede manifestarse como capacidad lingüística, creatividad, razonamiento espacial, aprendizaje y muchas otras. Ahora estamos reconociendo que la IA ha comenzado a hacer enormes avances en las Ciencias de la Vida, ya sea haciendo descubrimientos a partir de enormes datos biológicos utilizando el aprendizaje automático, combinando registros de salud y datos genómicos de diversos tipos, descubriendo nuevos fármacos o blancos de fármacos, encontrando nuevos grupos de tipos de células, haciendo diagnósticos o personalizando procedimientos de salud como en la medicina de precisión.

Hay numerosas áreas en las que la industria de las ciencias de la vida utiliza la IA de manera efectiva hoy en día. Las siguientes secciones describen seis de esas áreas.

Diagnóstico Avanzado

El análisis de imágenes de histopatología y el diagnóstico automatizado estaban maduros para la IA, dados los avances tecnológicos en la digitalización de las láminas de histología completa, que permiten todos los aumentos microscópicos. La IA y el reconocimiento de patrones, combinados con complejos algoritmos y sistemas de medición inmunohistoquímica automatizados, tienen la capacidad avanzada de los patólogos para supervisar el análisis y concentrarse en los casos más difíciles.

Avanzar en la investigación de nuevos productos

Las empresas de ciencias de la vida están explorando cómo se puede aprovechar la IA para identificar nuevas indicaciones para los productos existentes o investigar nuevos candidatos. Los ejemplos incluyen, entre otros, los siguientes

– El uso de sofisticados algoritmos de aprendizaje para extraer datos estructurados y no estructurados del mundo real para descubrir percepciones puede conducir a la identificación de nuevos mecanismos de enfermedad, a la posible extensión de nuevas líneas y al diseño de experimentos preclínicos.

– Se pueden llenar las lagunas de conocimiento sobre cómo actúan los candidatos sobre las proteínas para ayudar al diseño de nuevos medicamentos.

– El conocimiento puede ser extraído en tiempo real de la literatura comercial, científica y regulatoria, permitiendo a los investigadores identificar el espacio blanco competitivo, eliminar puntos ciegos en la investigación y descubrir similitudes de enfermedades.

Aceleración del desarrollo de drogas

En toda la industria, los plazos de desarrollo de los productos oscilan entre siete y diez años desde el descubrimiento hasta el lanzamiento, con la intención de reducirlos a cinco o siete años. Los avances en la IA y en el aprendizaje de máquinas para reducir el tiempo que lleva el desarrollo, la fabricación y el lanzamiento de nuevas terapias para pacientes apoyan el objetivo de reducir los plazos generales de desarrollo de productos. Los científicos están integrando datos de investigación, datos de laboratorio y datos clínicos, en combinación con nuevas fuentes de información (por ejemplo, medios sociales y prendas de vestir) en todo el espectro de desarrollo de medicamentos, creando un cuadro holístico del candidato al desarrollo de medicamentos. La mejora de las formas de adquirir y extraer datos en tiempo real permite a los científicos utilizar la inteligencia artificial y el aprendizaje automático para tomar mejores decisiones con mayor rapidez, lo que acelerará el proceso de desarrollo y ampliación de los productos.

Conducir el cumplimiento en la transparencia de los ensayos clínicos

El cumplimiento suele ser una carga para las empresas y requiere un enfoque para mitigar los costos al tiempo que se cumple la reglamentación. Las políticas 0070 y 0043 de la Agencia Europea de Medicamentos son ejemplos de reglamentos que se han introducido recientemente y que exigen que las empresas mantengan el anonimato o redacten la información del paciente en las presentaciones clínicas. Si bien se dispone de instrumentos de automatización generalistas, muchos de ellos no satisfacen la precisión necesaria para cumplir los requisitos de la política. Están surgiendo nuevas aplicaciones que utilizan algoritmos avanzados basados en tecnologías de PNL personalizadas que incorporan taxonomías específicas de la ciencia y modelos de minería de texto. Utilizando estos modelos avanzados, es posible identificar palabras clave, frases y patrones de datos (como las fechas de los eventos adversos) que pueden requerir la redacción o la anonimización. Estas nuevas aplicaciones proporcionan un mayor nivel de precisión necesario para cumplir los requisitos de las políticas, al tiempo que automatizan las actividades manuales.

Mejorando la selección del sitio clínico y acelerando la identificación del paciente

Casi el 80 por ciento de los ensayos clínicos no cumplen con los plazos de inscripción de los pacientes. La combinación de datos históricos no analizados de ensayos clínicos estructurados y no estructurados en modelos avanzados de IA puede mejorar y acelerar las decisiones de selección del sitio clínico y del paciente al destacar los objetivos de alta probabilidad. Continuar utilizando modelos avanzados de IA durante los programas clínicos activos permite un ajuste en tiempo real y correcciones de curso. El compromiso de los objetivos de éxito de alta probabilidad en el inicio de los ensayos clínicos en combinación con la voluntad de hacer correcciones de curso en tiempo real aumenta la probabilidad de cumplir con los plazos de inscripción de los pacientes.

Optimización de las fechas de entrega usando el aprendizaje a máquina/Análisis predictivo

Las empresas de ciencias de la vida son responsables de la información actualizada sobre la seguridad de sus productos. Las etiquetas de los productos farmacéuticos (por ejemplo, el prospecto, los folletos informativos para el paciente) son una forma importante de comunicar la información de seguridad. Cuando es necesario actualizar la etiqueta de referencia por razones de seguridad, hay múltiples consideraciones (por ejemplo, la impresión de las obras de arte, las fechas de ejecución de la producción) para presentar la etiqueta del producto local a la autoridad sanitaria correspondiente. Los plazos de los procedimientos normalizados de trabajo de la mayoría de las empresas que rigen las fechas de presentación son más estrictos que los que exigen las autoridades sanitarias, lo que aumenta la carga de trabajo y el costo. La combinación y la conexión de los puntos de datos apropiados con el aprendizaje automático y el análisis predictivo pueden determinar una fecha óptima de presentación.

Leave a Comment!