En el ámbito de la ciencia farmacéutica, la búsqueda de nuevos medicamentos es un proceso intrincado y que requiere mucho tiempo. Sin embargo, empresas como Genentech y AstraZeneca están aprovechando herramientas de inteligencia artificial (IA) y generativa para acelerar este proceso. Estas organizaciones ya están utilizando las características de gestión completa de Amazon Bedrock para implementar flujos de trabajo específicos para diversas aplicaciones, que van desde la identificación temprana de dianas farmacológicas hasta la interacción con proveedores de atención médica.
Para abordar casos de uso más complejos, se considera el uso de Strands Agents SDK, una plataforma de código abierto que adopta un enfoque basado en modelos para la creación y operación de agentes de IA. Strands Agents trabaja con la mayoría de los proveedores de modelos, incluidos accesos de lenguaje específicos y de uso interno. De esta manera, los agentes pueden ser implementados en un entorno donde se alojan aplicaciones de Python.
Un nuevo asistente de investigación desarrollado con Strands Agents y Amazon Bedrock es capaz de consultar múltiples bases de datos científicas a la vez a través del Model Context Protocol (MCP). Este asistente puede sintetizar hallazgos y generar informes exhaustivos sobre objetivos farmacológicos, mecanismos de enfermedades y áreas terapéuticas. Este recurso ya está disponible como ejemplo en la herramienta de agentes de salud y ciencias de la vida de código abierto.
La solución conecta modelos de alto rendimiento con datos de ciencias de la vida comunes, como arXiv, PubMed y ChEMBL. Se ha demostrado que equipos de agentes de IA pequeños, pero especializados, pueden ofrecer mejores resultados que un único agente masivo. La arquitectura de esta solución implica un agente orquestador que gestiona consultas de usuarios y las redirige a sub-agentes especializados según la necesidad de recuperar información o generar planes y síntesis.
El asistente está en fase de pruebas y se puede encontrar una interfaz de chat para probar su efectividad en diversas consultas de investigación. Por ejemplo, un usuario podría pedir la generación de un informe sobre el receptor HER2 en investigación sobre cáncer de mama, y el asistente podría crear un plan de trabajo que incluya búsqueda de noticias recientes, artículos científicos y ensayos clínicos en curso, sintetizando todos estos datos en un solo informe.
Además de la creación de informes, el asistente garantiza que no es necesario definir un proceso paso a paso para cada tarea; puede determinar qué herramientas utilizar y en qué orden. A medida que la información científica sigue creciendo de manera exponencial, marcos como Strands Agents se están convirtiendo en herramientas esenciales para la investigación en la búsqueda de nuevos fármacos.
vía: AWS machine learning blog
