La compañía NVIDIA utiliza las nuevas tecnologías para acelerar y reducir costos en el desarrollo de medicamentos, disminuyendo los tiempos de la fase preclínica en algunos casos. En este sentido, la IA facilita la identificación de objetivos terapéuticos, el diseño de nuevas moléculas y la optimización del cribado in silico.
En una entrevista en Salud35, la Dra. Eva-Maria Hempe, directora de atención sanitaria y ciencias biológicas para EMEA en NVIDIA nos explica como en la fase clínica, la tecnología permite un reclutamiento más eficiente de pacientes, el análisis en tiempo real de datos de ensayos y la predicción de seguridad y eficacia, reduciendo riesgos. Sin embargo, uno de los mayores desafíos es la escasez de datos biológicos y químicos, lo que impulsa la necesidad de crear biobancos y redes de aprendizaje federadas.
¿Cómo se utilizan la inteligencia artificial y el aprendizaje automático para reducir los tiempos y los costes de desarrollo de nuevos medicamentos?
En NVIDIA, aprovechamos la inteligencia artificial y el aprendizaje automático para reducir significativamente los tiempos y los costos de desarrollo de nuevos medicamentos en las etapas preclínicas y clínicas. En la fase preclínica, nuestras herramientas de IA están ayudando a las compañías farmacéuticas a reducir el cronograma tradicional de 3 a 5 años a solo 12 a 18 meses en algunos casos. Esto se logra mediante la identificación de objetivos impulsada por IA, la generación de moléculas y la rápida selección in silico de candidatos a medicamentos.
"Si bien estamos entusiasmados con el progreso, reconocemos que aún queda trabajo por hacer"
En el ámbito clínico, nuestras soluciones de IA y aprendizaje automático están acelerando los ensayos e múltiples maneras. Nuestros socios están utilizando la inteligencia artificial para identificar y reclutar de manera más eficiente a los pacientes adecuados, analizar datos complejos de ensayos en tiempo real e incluso permitir diseños de estudios innovadores, como estudios de un solo brazo.
Además, nuestros modelos predictivos de IA están ayudando a reducir el riesgo de los ensayos clínicos al pronosticar posibles resultados de seguridad y eficacia. Si bien estamos entusiasmados con el progreso, reconocemos que aún queda trabajo por hacer para aprovechar al máximo el potencial de la inteligencia artificial en el desarrollo de medicamentos. Estamos comprometidos con la innovación y la colaboración continuas con nuestros socios farmacéuticos para optimizar aún más el proceso de descubrimiento y desarrollo de medicamentos.
¿Cuáles son los desafíos técnicos más importantes que enfrenta Nvidia al aplicar IA a la investigación farmacéutica?
Un factor limitante para el éxito de la IA es la escasez de datos biológicos, químicos y de salud humana. En este sentido, la industria debe priorizar la creación de fábricas de datos, biobancos precompetitivos, redes de aprendizaje federadas y generación de datos sintéticos.
¿Podrías explicar cómo funcionan tus herramientas de IA para identificar y diseñar nuevas moléculas con potencial terapéutico?
Las herramientas de IA de NVIDIA, en particular NIM Agent Blueprints y BioNeMo Blueprints, están revolucionando el descubrimiento de fármacos al combinar la escalabilidad con el cribado inteligente. NIM Agent Blueprints proporciona un marco integral para identificar y optimizar moléculas similares a fármacos, lo que marca un cambio desde el cribado tradicional en bases de datos fijas a la generación y preoptimización de moléculas impulsadas por IA.
Los componentes clave incluyen AlphaFold2 para la predicción de la estructura de proteínas, MolMIM para generar moléculas con propiedades favorables y DiffDock para mejorar el acoplamiento molecular. Estos modelos de IA, empaquetados como microservicios modulares, permiten una implementación flexible y agilizan el proceso crítico de "éxito a líder", lo que hace que la identificación de candidatos prometedores sea más rápida y eficiente.
"Estos modelos de IA permiten una implementación flexible y agilizan el proceso crítico de éxito a líder"
Los planos de BioNeMo amplían las capacidades de NVIDIA al integrar la IA generativa en flujos de trabajo escalables para la investigación biomolecular. Estos diseños de referencia personalizables permiten a los investigadores escalar sus implementaciones de IA al tiempo que incorporan mecanismos de detección más inteligentes, lo que respalda la detección virtual generativa, el refinamiento de la interacción de proteínas y los flujos de trabajo de extremo a extremo desde la identificación de objetivos hasta la optimización de los candidatos.
Al combinar recursos de supercomputación con modelos de IA específicos del dominio, BioNeMo permite a los investigadores recopilar información a escala, acelerando el diseño y el desarrollo terapéutico. Esta integración de inteligencia en el proceso de detección garantiza que la generación de moléculas no solo sea más rápida sino también más precisa, y se centre en las propiedades deseadas, como la solubilidad, la toxicidad y la afinidad de unión.