Enseñar a los sistemas de inteligencia artificial a utilizar la intuición para encontrar nuevos medicamentos

Esquema general de la idea principal detrás del estudio. un Las moléculas son tratadas como jugadores en un juego competitivo, y la probabilidad de que una gane sobre la otra proviene de la retroalimentación proporcionada por los químicos. Para ello, se pide a los químicos que seleccionen una de dos moléculas cuando se les presenta una pregunta preespecificada en una aplicación web. b A partir de esta retroalimentación se aprende un modelo de puntuación implícito. Una red neuronal de alimentación directa de dos patas con pesos fijos en cada pata recibe pares de moléculas caracterizadas por descriptores quimioinformáticos comunes. Durante el entrenamiento, sus parámetros se optimizan mediante una pérdida de entropía cruzada binaria (BCE) que depende de una diferencia de puntuación latente calculada en los pares de moléculas y la retroalimentación proporcionada por los químicos. c Una vez entrenadas, se pueden inferir puntuaciones para cualquier molécula arbitraria, que luego se puede utilizar para tareas quimioinformáticas posteriores. Símbolos:s _yo , s _j :puntuaciones calculadas para las moléculas m _yo y m _j , respectivamente. σ :función sigmoidea. θ :parámetros del modelo. Crédito:Comunicaciones de la naturaleza (2023). DOI:10.1038/s41467-023-42242-1

Un equipo combinado de investigadores biomédicos de los Institutos Novartis de Investigación Biomédica y Microsoft Research AI4Science ha avanzado en la enseñanza de sistemas de inteligencia artificial sobre cómo encontrar nuevos medicamentos. En su estudio, publicado en la revista Nature Communications , el grupo utilizó los comentarios de químicos en el campo para proporcionar pautas de intuición para un modelo de IA.

Encontrar nuevos medicamentos es una tarea notoriamente difícil y laboriosa. El proceso para encontrar nuevas terapias normalmente involucra a expertos en una variedad de campos que trabajan en diferentes partes del problema. Los médicos y otros investigadores médicos, por ejemplo, primero deben descubrir las raíces de una enfermedad determinada para encontrar su causa. Luego, los químicos u otros investigadores médicos deben encontrar una sustancia química que pueda revertir el problema o evitar que ocurra en primer lugar.

Ambas partes del proceso requieren tiempo y esfuerzo. En este nuevo proyecto, el equipo de investigación buscó determinar si las aplicaciones de IA podrían facilitar la segunda parte.

Una de las formas en que se encuentran nuevos medicamentos es a través de la intuición:un presentimiento de un químico de que ciertas sustancias químicas podrían resultar útiles para tratar ciertas dolencias. Esta intuición es difícil de codificar. Eso podría cambiar ahora con la llegada de las aplicaciones de IA.

Para aplicar la IA al problema del desarrollo de fármacos, los investigadores pidieron la opinión de 45 químicos cuyo trabajo es encontrar nuevos fármacos. A cada uno se le pidió que eligiera de una lista de 220 pares químicos que pensaban que tenían buenas posibilidades de convertirse en un fármaco útil utilizando únicamente la intuición adquirida tras años de experiencia en el campo.

Luego, esa retroalimentación se entregó al sistema de inteligencia artificial, que clasificó los pares químicos según lo que había aprendido; respondió otorgando a cada par una puntuación basada en sus estimaciones de la probabilidad de que el medicamento fuera útil. Luego, el equipo de investigación envió los pares químicos con la puntuación más alta a un sistema basado en inteligencia artificial que diseña moléculas en función de las sustancias químicas que se le administran; algunos de los resultados del sistema fueron descritos por los investigadores como prometedores.

Luego, el equipo de investigación probó su sistema con medicamentos que ya estaban en el mercado y encontró lo que describen como una "señal" que se aprende a partir de datos de intuición basados en químicos, un hallazgo que los convenció de que se justifica realizar más investigaciones.

Más información: Oh-Hyeon Choung et al, Extracción de la intuición de la química medicinal mediante el aprendizaje automático de preferencias, Nature Communications (2023). DOI:10.1038/s41467-023-42242-1

Información de la revista: Comunicaciones sobre la naturaleza