¿Puede la IA aprender el lenguaje de la biología para reimaginar la medicina?

Todos tenemos alrededor de 20.000 genes en nuestros genomas. Si bien esta diversidad es lo que hace que la experiencia humana sea tan rica, nuestras diferencias genéticas pueden hacer las cosas más difíciles cuando se trata de medicina y tratamiento de enfermedades.

Hoy en día, la mayoría de los tratamientos son un enfoque único. Solo una pequeña fracción de los pacientes con cáncer, por ejemplo, reciben terapias dirigidas. Pero si la IA pudiera aprender a leer y escribir el lenguaje de la biología, podría ayudar a personalizar los tratamientos para la composición única de cada paciente.

Ava Amini, investigadora principal de Microsoft Research, está trabajando para que eso suceda. Recientemente habló sobre el potencial de la IA para la biología en una cervecería abarrotada en Cambridge, Massachusetts, como parte de "Lectures on Tap", una serie de eventos que combina conferencias de expertos con diversión interactiva en pubs informales de todo Estados Unidos.

Estos son cinco de los conceptos que ella cubrió, desde cómo funciona la medicina de precisión hasta la gran visión de desarrollar la IA que pueda predecir cómo se comportan las células.

Cómo la IA puede ayudar a dar sentido a la biología

La biología es increíblemente compleja: la composición genética y el comportamiento celular de cada persona son únicos. Hoy en día, la medicina a menudo trata a los pacientes en función de promedios, no de diferencias individuales. Amini dice que la IA ofrece una forma de decodificar patrones en conjuntos de datos biológicos masivos que los humanos no pueden procesar solos.

"La computación nos da este increíblemente poderoso kit de herramientas para entender lo que creo que es el sistema más complejo e intrincado que tenemos, que es el sistema y el lenguaje de la biología", dice. "Tenemos esta oportunidad de construir sistemas computacionales, modelos de IA, que puedan aprovechar la escala de datos que estamos generando, para aprender este lenguaje biológico y, en última instancia, poder usarlo para hacer nuevos descubrimientos, diseñar nuevos medicamentos y, con suerte, acercarnos a esa visión de empoderar a las personas para vivir un futuro más saludable".

Amini dice que una sola biopsia de cáncer, por ejemplo, puede generar casi 50 millones de puntos de datos individuales. La IA podría ayudar a tamizar estos datos masivos, encontrar patrones y permitir un tratamiento personalizado y preciso en lugar de una atención generalizada.

Cómo la medicina de precisión puede ayudar a la gente

La medicina de precisión tiene como objetivo adaptar los tratamientos a la composición genética, molecular y celular única de cada paciente. Pero la mayoría de los tratamientos son genéricos, y solo una pequeña fracción de los pacientes con cáncer reciben terapias dirigidas. Incluso menos experimentan un éxito duradero, dice Amini.

"La verdad es que, según las terapias dirigidas de hoy en día, menos del 5 % de esta población incluso va a responder de manera efectiva", dice Amini sobre el tratamiento del cáncer. "Eso se debe a que hay cosas como la resistencia o el cáncer evoluciona, se propaga y crece, y estos pacientes en realidad no verán resultados duraderos, duraderos y curativos".

La medicina de precisión busca superar estas limitaciones aprovechando la diversidad y la heterogeneidad de enfermedades como el cáncer, pasando de los promedios de la población a la atención individualizada.

Usando el lenguaje de la biología para diseñar nuevas proteínas

En 1965, la biofísica estadounidense Margaret Dayhoff le dio a la biología un alfabeto, un código de una letra para los 20 aminoácidos naturales, los bloques de construcción de las proteínas. Su creación de este código para aminoácidos permitió la representación de proteínas como lenguaje.

Microsoft se está construyendo sobre esta base con EvoDiff y The Dayhoff Atlas, modelos de IA generativa para diseñar nuevas proteínas. Amini dice que el concepto es como Copilot para la biología: Ingrese un aviso y emite una nueva proteína guiada por ese aviso.

Estos modelos pueden ser solicitados en el lenguaje biológico para diseñar proteínas con funciones específicas.

Orador presentando una diapositiva sobre IA y lenguaje biológico a una audiencia en un bar.

Ava Amini, investigadora principal de Microsoft Research, habla sobre el potencial de la IA en biología en un evento de Lectures on Tap.

Las proteínas diseñadas por IA muestran progreso y promesa

Las proteínas diseñadas por IA podrían ayudar a apuntar a las células cancerosas o unirse a los receptores para la administración de medicamentos, según Amini.

Ella dice que los modelos EvoDiff y Dayhoff de Microsoft han generado proteínas probadas en el laboratorio con resultados funcionales exitosos. Al aprender de una mayor escala y diversidad de datos, los modelos de Dayhoff mejoraron la tasa de éxito de la producción de nuevas proteínas del 16 % con métodos anteriores al 50 %. Estos avances muestran que la IA generativa para la biología no es solo teoría; está sucediendo ahora.

"De hecho, hemos ido y medido y probado en el laboratorio en el mundo real para demostrar que estas proteínas tienen las funciones que queríamos y buscamos tener", dice Amini.

Sin embargo, la calidad y diversidad de los datos siguen siendo fundamentales para el rendimiento del modelo, y todavía hay limitaciones significativas, especialmente en el modelado de celdas completas.

Trabajando para modelar las células humanas

Un modelo de IA diseñado para simular la complejidad de una célula humana aprendiendo patrones en datos biológicos podría predecir cómo las células responden a los medicamentos, desbloqueando la medicina de precisión. Muchos lo consideran un "santo grial" en la ciencia, dice Amini, y han perseguido la idea de construir modelos de IA para predecir cómo se comportan las células. Amini dice que sus experimentos en Microsoft han demostrado que los modelos de IA existentes de células a menudo predicen solo valores promedio, en lugar de diferencias biológicas reales. Aumentar el volumen de datos no mejora el rendimiento: los modelos se saturan rápidamente y no escalan como se espera. Estudios críticos recientes, incluidos los de Amini y su equipo, han expuesto estas limitaciones.

Amini todavía tiene esperanza. Si bien la promesa de la IA en biología es inmensa, dice, la realización de una medicina personalizada y precisa requerirá una integración y colaboración continuas entre disciplinas. Ella codirige Project Ex Vivo, una asociación de investigación entre Microsoft y el Broad Institute con el apoyo del Dana-Farber Cancer Institute, que está construyendo un nuevo marco para la oncología de precisión, integrando la experimentación y la computación desde cero hacia el objetivo final de mejorar los resultados de los pacientes.

"Como tecnóloga, usamos estos hallazgos como combustible, y queremos tomar todo lo que podamos para ir más allá", dice. "Y toda esta información, todas estas evaluaciones, nos ayudan a hacerlo mejor y a acercarnos a esa promesa". políticas para hacer efectiva la prerrogativa al cuidado, concluyó.

FUENTE: microsoft