{"id":52398,"date":"2025-04-03T09:57:39","date_gmt":"2025-04-03T15:57:39","guid":{"rendered":"https:\/\/saluddigital.com\/?p=52398"},"modified":"2025-04-03T10:01:32","modified_gmt":"2025-04-03T16:01:32","slug":"innovacion-en-ia-para-superar-la-escasez-de-datos-en-el-desarrollo-de-farmacos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/innovacion-en-ia-para-superar-la-escasez-de-datos-en-el-desarrollo-de-farmacos\/","title":{"rendered":"Innovaci\u00f3n en IA para superar la escasez de datos en el desarrollo de f\u00e1rmacos"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Imagand es un modelo de difusi\u00f3n para generar datos farmacocin\u00e9ticos a partir de estructuras moleculares.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de la Universidad de Waterloo<\/strong> utilizan machine learning para acelerar el proceso de desarrollo de nuevos f\u00e1rmacos. Los investigadores crearon Imagand<\/strong>, un modelo de inteligencia artificial (IA) generativa<\/strong> que eval\u00faa informaci\u00f3n existente sobre potenciales f\u00e1rmacos y sugiere sus propiedades potenciales.<\/p>

The Article<\/a> donde se detalla el desarrollo de Imagand est\u00e1 disponible en arXiv<\/em>. Imagand es presentado como un modelo de difusi\u00f3n que genera datos farmacocin\u00e9ticos sint\u00e9ticos a partir de representaciones moleculares conocidas como SMILES. Este desarrollo aborda un desaf\u00edo cr\u00edtico en la investigaci\u00f3n farmac\u00e9utica como lo es la escasez y fragmentaci\u00f3n de datos farmacocin\u00e9ticos, que dificultan estudios avanzados como la polifarmacia y las combinaciones de medicamentos.<\/p>

El proceso de desarrollo de nuevos f\u00e1rmacos es significativamente costoso y prolongado, con una duraci\u00f3n que puede superar los diez a\u00f1os y requerir inversiones de miles de millones de d\u00f3lares. Uno de los principales obst\u00e1culos es la obtenci\u00f3n de datos farmacocin\u00e9ticos completos, los cuales son esenciales para entender c\u00f3mo el cuerpo absorbe, distribuye, metaboliza y excreta un compuesto. Estos datos suelen recopilarse de forma independiente, lo que resulta en conjuntos dispersos con poca superposici\u00f3n, limitando su utilidad para investigaciones integrales.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

\u201cHay una enorme cantidad de posibles sustancias qu\u00edmicas y prote\u00ednas que investigar a la hora de desarrollar un nuevo f\u00e1rmaco, lo que hace muy costoso el descubrimiento de f\u00e1rmacos porque hay que probar millones de mol\u00e9culas con miles de dianas diferentes\u201d, indic\u00f3 Bing Hu, doctorando en Inform\u00e1tica y autor principal de la investigaci\u00f3n.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En este sentido, Imagand surge como una soluci\u00f3n innovadora ante estos desaf\u00edos. Se trata de un modelo multimodal que utiliza representaciones moleculares en formato SMILES para generar datos farmacocin\u00e9ticos sint\u00e9ticos. Para lograrlo, combina t\u00e9cnicas avanzadas de difusi\u00f3n con embeddings<\/em> moleculares preentrenados, como ChemBERTa y DeBERTa, que capturan la complejidad de las estructuras qu\u00edmicas. Uno de sus componentes clave es el Modelo de Ruido Gaussiano Local Discreto (DLGN, en ingl\u00e9s), dise\u00f1ado para adaptarse a las distribuciones reales de los datos y mejorar la calidad de las generaciones.<\/p>

Los datos sint\u00e9ticos producidos por Imagand demuestran una notable similitud con los datos reales, tanto en distribuciones univariadas como bivariadas. M\u00e9tricas como la Distancia de Hellinger confirman esta similitud, con un valor promedio de 0.15. Adem\u00e1s, los datos generados han mostrado potencial para mejorar el rendimiento en tareas posteriores, como la predicci\u00f3n de propiedades farmacocin\u00e9ticas, llegando a superar en algunos casos a los conjuntos de datos reales. Esta capacidad abre nuevas posibilidades para el cribado de alto rendimiento, permitiendo a los investigadores explorar grandes vol\u00famenes de compuestos de manera eficiente y econ\u00f3mica.<\/p>

La arquitectura de Imagand se basa en transformadores y usa t\u00e9cnicas como la gu\u00eda libre de clasificador para equilibrar la calidad y diversidad de los datos generados. El modelo fue entrenado y evaluado utilizando diez bases de datos farmacocin\u00e9ticas p\u00fablicas, como Caco-2 y Lipofilicidad, que incluyen informaci\u00f3n de m\u00e1s de 28 mil f\u00e1rmacos. Este enfoque no solo valida la eficacia del modelo, sino que tambi\u00e9n asegura su aplicabilidad en escenarios reales.<\/p>

\u201cPor ejemplo, este proceso posibilitado por la IA puede ayudarnos a entender lo t\u00f3xico que es un medicamento, c\u00f3mo afecta al coraz\u00f3n o c\u00f3mo podr\u00eda interactuar negativamente con otros f\u00e1rmacos de uso habitual en el tratamiento de una enfermedad\u201d detalla Helen Chen, profesora de la Facultad de Ciencias de la Salud P\u00fablica e Inform\u00e1tica de Waterloo. \u201cEste es un ejemplo de c\u00f3mo la IA nos est\u00e1 ayudando a avanzar hacia una atenci\u00f3n m\u00e1s precisa y personalizada\u201d.<\/p>

Imagand \u00a0ofrece una fuente escalable y confiable de datos farmacocin\u00e9ticos sint\u00e9ticos, este modelo tiene el potencial de acelerar la investigaci\u00f3n y reducir costos en el desarrollo de nuevos medicamentos. Futuras investigaciones podr\u00edan expandir sus capacidades para incluir propiedades categ\u00f3ricas y m\u00e1s conjuntos de datos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

ARXIV<\/strong><\/p>

https:\/\/arxiv.org\/pdf\/2408.07636<\/a><\/p>

PHYS<\/strong><\/p>

https:\/\/phys.org\/news\/2025-04-ai-drug-properties.html<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Innovaci\u00f3n en IA para superar la escasez de datos en el desarrollo de f\u00e1rmacos con la creaci\u00f3n del modelo de difusi\u00f3n Imagand.<\/p>","protected":false},"author":1,"featured_media":52400,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-52398","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/52398","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=52398"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/52398\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/52400"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=52398"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=52398"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=52398"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}