En el mundo de la biopharma, llevar un nuevo medicamento al mercado se ha convertido en un proceso cada vez más complejo y costoso. De acuerdo con informes recientes, las compañías biopharma tardan más de diez años y gastan más de 2.000 millones de dólares en el desarrollo de nuevos fármacos, con una tasa de fracaso que supera el 90%. Este proceso, conocido como «Market to Molecule» (M2M), es intensivo en recursos y presenta múltiples riesgos. Sin embargo, el 90% de estas empresas son clientes de Amazon Web Services (AWS), lo que sugiere una transformación potencial en sus prácticas mediante el uso de tecnología avanzada.
Una novedad dentro del sector es un enfoque más centrado en la genética para el descubrimiento de fármacos. Esta técnica busca variantes en el genoma humano y las relaciona con enfermedades, lo que puede mejorar las tasas de éxito en el proceso M2M al enfocarse en la raíz de las dolencias. El desarrollo de métodos para navegar grandes conjuntos de datos genómicos ha sido un reto importante. Tradicionalmente, los investigadores se han visto obligados a interactuar con navegadores del genoma que no siempre satisfacen sus necesidades, generando experiencias frustrantes y que consumen tiempo.
La inteligencia artificial generativa se presenta como una solución prometedora para mejorar este proceso. AWS ha colaborado con su cliente para implementar un asistente conversacional que permita a los científicos explorar el genoma de manera más ágil y flexible. Este nuevo asistente podría ahorrar horas valiosas al permitir formular preguntas simples en lenguaje natural en lugar de depender de filtros y opciones complejas.
Asimismo, se ha desarrollado un enfoque de «text-to-SQL» que transforma preguntas en lenguaje natural en consultas SQL, facilitando el acceso a datos genómicos. A través de Amazon Bedrock, se pueden generar consultas SQL casi instantáneamente, lo que no solo simplifica el trabajo de los investigadores, sino que también mejora la eficiencia del proceso de descubrimiento de fármacos.
Varias estrategias de ingeniería de prompts han demostrado ser efectivas para alcanzar una alta precisión en la generación de consultas SQL. Estas incluyen el uso de descripciones detalladas de las tablas y columnas en la base de datos, y enfoques como el «chain-of-thought» que permite descomponer problemas complejos en pasos más manejables.
Este innovador enfoque no solo tiene el potencial de democratizar el acceso a los datos ómicos, sino que también podría transformar el sector farmacéutico, acelerando la entrega de tratamientos vitales a los pacientes que los necesitan.
vía: AWS machine learning blog
