Nuevo Enfoque de Aprendizaje Automático Puede Acelerar el Diseño de Medicamentos

Un nuevo enfoque de aprendizaje automático desarrollado por un equipo de investigadores de la Universidad de Cambridge podría acelerar la búsqueda de nuevos tratamientos para enfermedades. El enfoque “aprende a aprender” y supera a los métodos actuales de aprendizaje automático para el diseño de medicamentos.

La nueva investigación se publicó en el Proceedings of the National Academy of Sciences.

Denominado aprendizaje automático transformacional (TML), el enfoque fue desarrollado por investigadores del Reino Unido, Suecia, la India y los Países Bajos.

TML vs. Aprendizaje Automático Tradicional

El método TML mejora el rendimiento mientras aprende y puede aprender de múltiples problemas. También podría acelerar la identificación y producción de nuevos medicamentos al mejorar los sistemas de aprendizaje automático que se utilizan para identificarlos.

Los modelos actuales de aprendizaje automático (ML) a menudo utilizan ejemplos etiquetados, que suelen representarse en la computadora a través de características intrínsecas como el color o la forma de un objeto. Esto permite que la computadora forme reglas generales que relacionan las características con las etiquetas.

El profesor Ross King es del Departamento de Ingeniería Química y Biotecnología de Cambridge, y lideró la investigación.

“Es como enseñar a un niño a identificar diferentes animales: esto es un conejo, esto es un burro, etc.”, dijo King. “Si se enseña a un algoritmo de aprendizaje automático qué aspecto tiene un conejo, podrá decir si un animal es o no un conejo. Así es como funciona la mayoría del aprendizaje automático: se ocupa de un problema a la vez.”

El aprendizaje humano funciona de manera diferente. Mejoramos nuestro aprendizaje debido a nuestras experiencias de aprendizaje anteriores. No nos ocupamos de un solo problema a la vez.

King también es miembro del Instituto Alan Turing.

“Para desarrollar TML, aplicamos este enfoque al aprendizaje automático y desarrollamos un sistema que aprende información de problemas anteriores que ha encontrado para aprender mejor nuevos problemas”, dijo King. “Mientras que un sistema de aprendizaje automático típico tiene que comenzar desde cero cuando aprende a identificar un nuevo tipo de animal, digamos un gatito, TML puede utilizar la similitud con animales existentes: los gatitos son como los conejos, pero no tienen orejas largas como los conejos y los burros. Esto hace que TML sea un enfoque mucho más poderoso para el aprendizaje automático.”

Probando el Método

Los investigadores probaron el método y demostraron su eficacia en miles de problemas extraídos de la ciencia y la ingeniería. Según el equipo, es especialmente prometedor en el área de la investigación de medicamentos, ya que puede acelerar el proceso verificando lo que otros modelos de aprendizaje automático dicen sobre ciertas moléculas.

Mientras que los modelos de aprendizaje automático típicos buscan moléculas de medicamentos de una forma específica, el nuevo enfoque TML utiliza la conexión de los medicamentos con otros problemas de investigación de medicamentos.

“Me sorprendió lo bien que funciona, mejor que cualquier otra cosa que conozcamos para el diseño de medicamentos”, dijo King. “Es mejor que los humanos para elegir medicamentos, y sin la mejor ciencia, no obtendremos los mejores resultados.”