¿A qué distancia está DrugGPT de ChatGPT? Farmacéuticas de IA: el "cuello atascado" no es la potencia informática sino los datos

Fuente: "Diario de la Junta de Innovación en Ciencia y Tecnología"

Reportero: Yu Shiqi, Zhu Jieyan

Fuente de la imagen: Generada por Unbounded AI‌

En la Conferencia Mundial de Inteligencia Artificial 2023WAIC que acaba de pasar, el aumento de la IA generativa casi se extendió por toda la conferencia. Como el medio transformador que ha recibido la mayor atención en la actualidad, los inversionistas, los círculos de la industria y la academia tienen muchas expectativas para él, especialmente sobre cómo descubrir oportunidades disruptivas a nivel de aplicación.

AI+medicine es una de las oportunidades para ser visto. En esta conferencia, Su Zifeng, presidenta y directora ejecutiva de Advanced Micro Devices (AMD), dijo en su discurso que la atención médica es un área en la que la IA realmente puede afectar los resultados humanos y ayudará a los médicos a realizar mejores diagnósticos y acelerar la investigación para la prevención de enfermedades.

Su antiguo rival se movió más rápido. El 12 de julio, Nvidia anunció una inversión de 50 millones de dólares en la empresa farmacéutica de inteligencia artificial Recursion en forma de capital privado. Su fundador y CEO, Huang Renxun, dijo en el anuncio que la IA generativa es una herramienta revolucionaria en el desarrollo de nuevos medicamentos y nuevas terapias. Recursion está utilizando los productos relacionados de NVIDIA para realizar un trabajo pionero en el campo de la bioquímica, acelerando el desarrollo del modelo de biomoléculas de IA generativa más grande del mundo, avanzando así en el desarrollo de la biotecnología y acelerando el descubrimiento de fármacos para las compañías farmacéuticas.

Los productos farmacéuticos de IA siempre han sido uno de los puntos calientes en China, y han surgido varias empresas líderes que han alcanzado la vanguardia mundial en tecnología. Cuando llegan las oportunidades de los tiempos, ¿cómo reconocen los cambios actuales las compañías farmacéuticas de inteligencia artificial de primera línea? El "Diario de Kechuangban" invitó a He Qi, cofundador y director ejecutivo de TB Medical, Zhang Peiyu, director científico de Jingtai Tecnología y Tecnología Shenshi Wang Xiaofo, el jefe de estrategia, y tres representantes de la industria compartieron las oportunidades y los desafíos a sus ojos.

El "atascado" no es el poder de cómputo sino los datos

En cuanto al impacto de la ola de IA generativa, la percepción común de los tres emprendedores es que se ha vuelto "caliente".

He Qi, director ejecutivo de TBMI Pharmaceuticals, dijo que toda la industria farmacéutica aún se encuentra en un invierno frío, pero el rastro de los productos farmacéuticos de IA ha comenzado a recuperarse. En marzo de este año, TBM completó la ronda A de financiación de 35 millones de dólares EE.UU. En ese momento, recibió el apoyo de muchas instituciones importantes y ahora muchas instituciones han expresado interés en el modelo de negocio.

Tanto Zhang Peiyu, director científico de Jingtai Technology, como Wang Xiaofo, jefe de estrategia de Shenshi Technology, creen que el impacto de la IA generativa aún no se ha transmitido directamente a los productos farmacéuticos de IA, pero ya ha traído señales positivas a la industria. Zhang Peiyu mencionó: "Los puntos críticos de inversión de GPT todavía se encuentran en modelos grandes, bases de datos y computación de gráficos. Esto es solo el comienzo. En el futuro, definitivamente migrará a capas de aplicaciones más subdivididas, como medicina y fabricación. Este es el crecimiento inevitable .proceso.**"

Antes de que ChatGPT explotara fuera del círculo, la investigación y el desarrollo de nuevos fármacos habilitados por IA se habían convertido en el consenso de la industria. El informe de investigación muestra que al permitir el descubrimiento de objetivos de fármacos y la detección de compuestos a través del aprendizaje automático (ML) y el aprendizaje profundo (DL), la tasa de éxito del desarrollo de nuevos fármacos puede aumentar del 12 % al 14 %, lo que supone un ahorro de unos 55 000 millones de USD. en costos de ensayos clínicos y detección de compuestos en todo el mundo cada año. **

Pero, por otro lado, los productos farmacéuticos de IA también se enfrentan a cuellos de botella. Actualmente, los productos farmacéuticos de IA se utilizan principalmente en las primeras etapas del descubrimiento de fármacos y la detección de compuestos principales. En la etapa de ensayo clínico, aún se requiere más gente para completar el trabajo relacionado. Al mismo tiempo, los productos farmacéuticos de IA también están limitados por el impacto de la homogeneidad de los datos. En un sentido popular, los materiales de aprendizaje de IA son datos experimentales creados por humanos, y la IA no puede crear datos objetivo impopulares de la nada. Esto también significa que las capacidades más imaginativas de la IA generativa son limitadas.

Por lo tanto, el dilema al que se enfrentan las compañías farmacéuticas de IA es completamente diferente al de las grandes empresas modelo actuales. Zhang Peiyu declaró sin rodeos en la entrevista que el poder de cómputo y los algoritmos no son las barreras principales que restringen el desarrollo de las compañías farmacéuticas de IA. Cientos de GPU y el algoritmo iterativo actual son suficientes para satisfacer las necesidades de una empresa farmacéutica de IA, la clave está en los datos. **

"Ya sea para simular cálculos a través de las ventajas del poder de cómputo de la IA, acelerar la detección y optimización de sustancias líderes o diseñar nuevas estructuras moleculares basadas en la experiencia y el entrenamiento de big data, se necesita una gran cantidad de datos como soporte. Para la industria farmacéutica de IA empresas, su núcleo se basa en la capacidad de producción de datos", dijo Zhang Peiyu.

En opinión de He Qi, la razón principal por la que la IA puede desempeñar un papel relativamente limitado en la etapa posterior del desarrollo de fármacos es la falta de datos, especialmente los datos necesarios en la etapa clínica o la medicina traslacional. Esto supone un gran desafío para el entrenamiento de modelos grandes.

La falta de datos no solo se refleja en la cantidad, Wang Xiaofo analizó aún más el núcleo del problema: "La cantidad de datos no es suficiente ahora, porque el costo de generar datos a través de experimentos es muy alto. Lo que es más problemático es que la calidad no se puede garantizar por completo. Por ejemplo, el mismo experimento, si A lo hace y B lo hace, los resultados pueden ser diferentes. En sí mismo se ve afectado por muchos factores externos y errores asociados. La cantidad y la calidad de los datos subyacentes no se puede garantizar, el resultado directo Es decir, el rendimiento y los resultados del aprendizaje de la IA se reducirán considerablemente".

En opinión de varios profesionales farmacéuticos de IA, el camino de ChatGPT a DrugGPT es tortuoso y difícil. Lo que está atascado no es el poder de cómputo sino la capacidad de producción de datos subyacente. Pero de la misma manera, bajo la ola de la IA generativa, los productos farmacéuticos de IA tienen la oportunidad de generar cambios cualitativos en toda la industria farmacéutica, romper el cuello de botella de la innovación y resolver el problema fundamental de la eficiencia de la I+D.

**¿Qué tan lejos está el futuro de DrugGPT? **

Lo primero a resolver es el problema de la capacidad de producción de datos.

La idea de Jingtai es "automatización + inteligencia". Zhang Peiyu cree que el proceso de investigación y desarrollo de medicamentos es un proceso de iteraciones continuas de prueba y error, muchas de las cuales tradicionalmente requieren mucha mano de obra y pueden automatizarse por completo para reemplazar el trabajo humano para mejorar la eficiencia y la precisión. Gran parte del trabajo que hacen ahora es transformar los procesos tradicionales en procesos automatizados, y rastrear datos de alta precisión a través de procesos automatizados, y retroalimentarlos a los modelos de IA en tiempo real. Este método puede recopilar datos más completos y reales que los experimentos humanos, mejorar la eficiencia humana varias veces y capacitar a los humanos para realizar exploraciones innovadoras cada vez más exitosas.

Los datos generados por la automatización impulsan continuamente el desarrollo y la optimización de algoritmos inteligentes. Cuanto mayor sea la eficiencia de la automatización, más precisas serán las predicciones de los algoritmos inteligentes y más amplio será el ámbito de aplicación. Al mismo tiempo, la inteligencia también se refleja en la transformación de información no estructurada en datos estructurados. Según él, ahora la IA puede extraer información como rutas sintéticas y estructuras moleculares ocultas en documentos y patentes no estructurados, convertirlos en datos estructurados, mejorar el rendimiento de los algoritmos y luego enviar las rutas sintéticas diseñadas a equipos automatizados. , proceso de producción de datos. En este proceso, la IA también puede desempeñar un papel en la programación y la planificación, llamando de manera eficiente a varias herramientas en paralelo y completando el ciclo cerrado desde la predicción del algoritmo hasta la verificación experimental para diferentes escenarios de aplicación.

"Esta es una dirección de desarrollo que vale la pena esperar. Al final, solo la IA puede conectar el circuito cerrado de diseño y producción, y completar automáticamente la investigación y el desarrollo de medicamentos", dijo Zhang Peiyu.

Shenshi propuso un nuevo paradigma de investigación científica de IA para la ciencia. En pocas palabras, consiste en utilizar la IA para aprender las leyes científicas del funcionamiento subyacente de una serie de cosas. Wang Xiaofo dijo que frente al problema de la escasez de datos, introdujeron la IA en el campo de la investigación científica de nivel inferior, lo que permitió a la IA utilizar su potente ajuste de funciones y capacidades de análisis de datos para aprender leyes y principios científicos y obtener modelos utilizables para resolver problemas prácticos. Cuestiones de investigación científica, especialmente ayudar a los científicos a realizar una gran cantidad de verificaciones y pruebas y errores bajo diferentes supuestos, acelerando así en gran medida el proceso de investigación y exploración científica.

En la actualidad, podemos ver la mejora en la eficiencia. Wang Xiaofo mencionó que es posible que sea necesario realizar muchas veces experimentos de alto rendimiento en el proceso de detección de drogas. Ahora, usaremos el nuevo paradigma de IA para la ciencia para calcular, y luego proceder al cálculo Para una pequeña parte de la verificación, recientemente hemos intentado hacer un orden de magnitud menos experimentos que en el pasado, y podemos obtener fármacos candidatos. Esto equivale a obtener una mejora de la eficiencia de más de 10 veces.

La bendición de la eficiencia ha provocado cambios de bajo nivel. Según Zhang Peiyu, el laboratorio de inteligencia digital automatizado diseñado por Jingtai para la biomedicina no solo se puede utilizar para la investigación y el desarrollo de fármacos, sino que también se puede expandir aún más a la dirección de la ingeniería química y nuevos materiales que también requieren una evaluación experimental. son lo mismo. Pero los requisitos de seguridad, el ciclo de validación y la complejidad del proyecto en estas áreas son significativamente menores. Este es un mercado enorme que no es más débil que los productos farmacéuticos. En la actualidad, han llegado a la cooperación con algunas empresas petroquímicas, de almacenamiento de energía y otras empresas de investigación y desarrollo de nuevos materiales.

Para el futuro, tiene expectativas bastante optimistas. Después de cruzar el cuello de botella de la producción de datos, los productos farmacéuticos de IA tienen la oportunidad de provocar cambios cualitativos a través de cambios cuantitativos. En el futuro, todo el proceso de desarrollo de fármacos puede estar guiado por IA, lo que dificulta- objetivos de medicamentos y nuevos medicamentos El mecanismo de fabricación de medicamentos ha generado una nueva generación de medicamentos de alta calidad, creando nuevos canales de medicamentos y mercados incrementales. En 20 o 30 años, se puede esperar que el 90% del trabajo en la investigación y el desarrollo de nuevos medicamentos pueda ser realizado de manera más eficiente por la IA. Mientras se baja el umbral de la innovación, se eleva el techo de la investigación y el desarrollo de medicamentos. , con menos recursos, tiempo y riesgo de fracaso, para que lleguen más medicamentos a los pacientes.

En la actualidad, He Qi cree que la fuerza impulsora de la IA para la investigación y el desarrollo de fármacos ha alcanzado la segunda curva. Las empresas de biotecnología inevitablemente tendrán que invertir mucho en informática cuando realicen investigación y desarrollo de fármacos innovadores. Con base en este punto débil, muchos clientes han reconocido a las compañías farmacéuticas de IA que brindan equipos y potencia informática, así como soporte experto. Después de sentar las bases para la comercialización, las empresas pueden explorar más caminos de I+D de fármacos basados en IA desde una perspectiva a más largo plazo.