UNBOXING: Cómo la IA acelera el descubrimiento de nuevos fármacos, con Albert Pla.

Resumen de la entrevista

MaIA: ¿En qué pasos está presente la inteligencia artificial en el ámbito de la investigación y desarrollo de fármacos?

Albert: En todos. Comienza con la identificación y criba de vías terapéuticas y propone moléculas con potencial para tratar una enfermedad. Luego se usa para predecir la eficacia y seguridad de los compuestos en los pacientes. Finalmente, permite optimizar los ensayos clínicos, seleccionando mejor los candidatos para que los estudios sean más seguros y eficientes. 

MaIA: ¿Qué ventajas incorpora la IA en el descubrimiento de nuevos fármacos comparado con el método tradicional?

Albert: La IA permite analizar grandes volúmenes de datos rápida y eficientemente, identificando patrones e interacciones entre moléculas que serían más difíciles para un humano. Esto permite agilizar la búsqueda de nuevos compuestos, reduciendo el tiempo y la cantidad de experimentos. Comparado con los métodos tradicionales, la IA disminuye el proceso de desarrollo de fármacos hasta un 50%. 

MaIA: ¿Cómo mejora el día a día a nivel práctico, la IA para el investigador? 

Albert: Simplifica y acelera tareas que suelen ser repetitivas, permitiendo a los investigadores centrarse en aspectos más complejos y creativos. Además, facilita la automatización y estandarización de análisis, señalando los resultados más relevantes. Para terminar, acelera la redacción de informes y la revisión de documentos y literatura médica.

MaIA: ¿Cuál es el mayor reto o barrera que os habéis encontrado en la implementación de la IA en vuestro equipo?

Albert: La calidad y cantidad de datos utilizados para entrenar los modelos. Si los datos son de baja calidad, los modelos pueden producir resultados sesgados. Pero también, la explicabilidad de los modelos, especialmente en el ámbito biomédico, donde se necesita un equilibrio entre la precisión y la capacidad de justificar las decisiones de la IA. 

MaIA: ¿Cómo habéis enfrentado o solucionado este desafío? 

Albert: Creando equipos multidisciplinarios que combinan ingenieros y matemáticos con biólogos, patólogos, médicos y reguladores, para poder corregir sesgos y asegurar una representación adecuada en los modelos. La transparencia ha de ser fundamental y el uso de datos públicos y de código abierto para validar y replicar los modelos. Sanofi ha desarrollado un manual ético que aborda estos aspectos. 

MaIA: ¿Cómo verificáis la calidad y autenticidad de estos datos?

Albert: Combinando análisis matemático y revisión manual. Se usan métodos estadísticos para detectar anomalías y patrones inusuales, mientras que los profesionales revisan que los datos sean correctos. También se entrenan los modelos con varios conjuntos de datos y validándolos con un dataset completamente aislado.

MaIA: ¿Cómo se puede mejorar esta interacción entre médicos, hospitales e investigadores para poder desarrollar soluciones con IA robustas?

Albert: Las instituciones públicas, los hospitales y las entidades privadas tienen que colaborar. Los equipos multidisciplinares deben incluir expertos de diversas áreas. También es necesario un cambio cultural respecto al uso de datos promoviendo una mayor apertura de datos médicos para entrenar mejores modelos. Se ha de garantizar el uso adecuado de los datos, asegurando que los beneficios repercutan en la sociedad de manera positiva.