PAGAUL HUDSON, jefe de Sanofi, blande un iPhone. Está ansioso por mostrar la nueva inteligencia artificial de la farmacéutica francesa (AI) aplicación, plai. Se basa en más de 1.000 millones de puntos de datos para proporcionar información útil, desde advertencias sobre existencias bajas de un medicamento hasta preguntas para una reunión con una agencia de publicidad o sugerencias para establecer sitios de ensayos clínicos que podrían acelerar las aprobaciones de medicamentos. Al igual que las recomendaciones de Netflix, plai ofrece “empujones”, como los llama Hudson, que son útiles en ese momento. Bromea diciendo que plai alcanzó el punto de equilibrio en unas cuatro horas y dice que el costo es mínimo en comparación con los 300-400 millones de dólares que cobran las grandes consultoras por un proyecto para seleccionar los datos de una gran empresa. Uno de cada diez de los 80.000 empleados de Sanofi lo usa todos los días.
Su navegador no admite el elemento
AI no es nuevo en la fabricación de medicamentos. Las empresas de biotecnología han estado jugando con él durante años. Ahora el interés de las grandes farmacéuticas está creciendo. El año pasado, Emma Walmsley, directora ejecutiva de GSK, dijo que podría mejorar la productividad de la investigación y el desarrollo, el desafío más profundo de la industria. Moderna se describió recientemente como “enfocada en láser” en AI. Sanofi es “todo dentro”. Morgan Stanley, un banco de inversión, estima que dentro de una década la industria farmacéutica podría estar gastando $50 mil millones al año en AI para acelerar el desarrollo de fármacos.
La mayor parte del rumor gira en torno AIEstá capacitado en datos biológicos que podrían mejorar el proceso impredecible del descubrimiento de fármacos. Las drogas pueden tardar una década en surgir, cuestan miles de millones de dólares y solo tienen éxito el 10% de las veces. Incluso una pequeña mejora en la velocidad y la eficiencia sería muy valiosa. Pero los científicos han luchado por domesticar los grandes datos biológicos con herramientas estadísticas convencionales. El aprendizaje automático hace posible filtrar montones de información, desde datos clínicos de pacientes y secuencias genómicas hasta imágenes de escaneos corporales. El año pasado, DeepMind, un AI El laboratorio que forma parte de Google hizo un gran avance utilizando su sistema AlphaFold para predecir la estructura de casi todas las proteínas, lo que algún día podría ayudar a identificar qué moléculas tienen potencial terapéutico.
Aunque hasta ahora sólo una docena de fármacos en desarrollo han implicado el uso de AI, la lista puede crecer rápidamente, especialmente para moléculas simples con propiedades que son relativamente fáciles de predecir. En el caso de estas químicas más sencillas, el futuro de la medicina parece cada vez más un problema computacional.
Jim Weatherall, que supervisa la ciencia de datos y AI en AstraZeneca, dice que la tecnología se utiliza en el 70% de las moléculas pequeñas en desarrollo de la firma británica. Usando una técnica llamada “aprendizaje de refuerzo”, AstraZeneca AI está modificando constantemente sus sugerencias moleculares y determinando cómo podría reaccionar una molécula modificada. Ali Mortazavi, jefe de E-therapeutics, una startup de biotecnología en Londres, dice que conocer las secuencias de todos los genes, por ejemplo, en el hígado, le permite a su empresa usar software para diseñar ARN moléculas (que son más complejas pero, debido a sus vínculos con ADNcomo era de esperar). AI Luego, los algoritmos predicen la actividad de las moléculas, que pueden detener la función de cualquier gen que cause enfermedades.
Euan Ashley de la Universidad de Stanford apunta a otra AI solicitud. Los “gráficos de conocimiento” son una especie de base de datos que almacena datos sobre genes, proteínas, enfermedades y fármacos, así como las vías biológicas que los conectan. Ellos también pueden ayudar a identificar nuevos objetivos para el desarrollo de fármacos. “Generativo” AImientras tanto, está siendo probado por sugerir estructuras químicas y biológicas completamente nuevas para la prueba, al igual que ChatGPT puede ingerir texto en Internet y escupir un nuevo poema o ensayo. Más allá del descubrimiento de fármacos, AIs como plai podría ayudar con el problema perenne de la eficiencia en un sector altamente regulado y de mano de obra intensiva.
A algunos jefes farmacéuticos les preocupa que la generación AILa tendencia de los s a inventar cosas podría llevar a los investigadores a callejones sin salida. Más apocalípticamente, el Sr. Hudson dice que la mitad de la industria farmacéutica CEOs él habla de AI temen, como muchas personas, las amenazas existenciales que plantea. Por su parte, prevé la próxima revolución industrial, no un levantamiento de robots. ■
Para mantenerse al tanto de las historias más importantes en negocios y tecnología, suscríbase a Bottom Line, nuestro boletín semanal solo para suscriptores.