Uso de IA para criar molécula de droga que pode combater a fibrose

A criação de novos medicamentos é um processo complexo que pode levar anos de pesquisa e bilhões de dólares. No entanto, é um investimento importante para a saúde das pessoas. A inteligência artificial pode potencialmente tornar a descoberta de novos medicamentos mais fácil e substancialmente mais rápida, se o trabalho recente da startup Insilico Medicine continuar a progredir. Conforme relatado pelo SingularityHub, a startup de IA recentemente utilizou IA para projetar uma molécula que pode combater a fibrose.

Dada a complexidade e o tempo necessário para descobrir novas moléculas para um medicamento, cientistas e engenheiros estão constantemente procurando maneiras de acelerar o processo. A ideia de usar computadores para ajudar a descobrir novos medicamentos não é nova, pois o conceito existe há décadas. No entanto, o progresso nesse sentido tem sido lento, com engenheiros lutando para encontrar os algoritmos certos para a criação de medicamentos.

O aprendizado profundo começou a tornar a descoberta de medicamentos impulsionada por IA mais viável, com empresas farmacêuticas investindo pesadamente em startups de IA nos últimos anos. Uma empresa conseguiu usar IA para projetar uma molécula que pode combater a fibrose, levando apenas 46 dias para criar uma molécula semelhante a medicamentos terapêuticos. A Insilico Medicine combinou duas técnicas de aprendizado profundo diferentes para alcançar esse resultado: aprendizado por reforço e redes adversárias generativas (GANs).

Aprendizado por reforço é um método de aprendizado de máquina que encoraja o modelo de aprendizado de máquina a tomar certas decisões, fornecendo à rede feedback que elicia certas respostas. O modelo pode ser punido por fazer escolhas indesejadas ou recompensado por fazer escolhas desejadas. Ao usar uma combinação de reforço negativo e positivo, o modelo é guiado em direção a tomar decisões desejadas e tenderá a tomar decisões que minimizam a punição e maximizam a recompensa.

Enquanto isso, as redes adversárias generativas são “adversárias” porque consistem em duas redes neurais diferentes competindo uma contra a outra. As duas redes são fornecidas com exemplos de objetos para treinar, frequentemente imagens. O trabalho de uma rede é criar um objeto falsificado, algo suficientemente semelhante ao objeto real que possa ser confundido com o artigo genuíno. O trabalho da segunda rede é detectar objetos falsificados. As duas redes tentam superar a outra rede e, à medida que aumentam seu desempenho para superar a outra rede, essa corrida armamentista virtual leva ao modelo falsificado a gerar objetos que são quase indistinguíveis do real.

Ao combinar ambos os algoritmos de GANs e aprendizado por reforço, os pesquisadores foram capazes de fazer com que seus modelos produzissem novas moléculas de medicamentos extremamente semelhantes a medicamentos terapêuticos já existentes.

Os resultados dos experimentos da Insilico Medicine com a descoberta de medicamentos impulsionada por IA foram recentemente publicados na revista Nature Biotechnology. No artigo, os pesquisadores discutem como os modelos de aprendizado profundo foram treinados. Os pesquisadores tomaram representações de moléculas já usadas em medicamentos para lidar com proteínas envolvidas na fibrose pulmonar idiopática ou FPI. Essas moléculas foram usadas como base para o treinamento e os modelos combinados foram capazes de gerar cerca de 30.000 moléculas de medicamentos possíveis.

Os pesquisadores então selecionaram as seis moléculas mais promissoras para testes de laboratório. Essas seis finalistas foram sintetizadas no laboratório e usadas em uma série de testes que acompanharam sua capacidade de atingir a proteína FPI. Uma molécula, em particular, pareceu promissora, pois entregou os resultados desejados em um medicamento médico.

É importante notar que o medicamento para fibrose visado no experimento já foi extensivamente pesquisado, com vários medicamentos eficazes já existindo para ele. Os pesquisadores puderam se referir a esses medicamentos, e isso deu à equipe de pesquisa uma vantagem, pois tinham uma quantidade substancial de dados para treinar seus modelos. Isso não se aplica a muitas outras doenças, e, como resultado, há uma lacuna maior a ser fechada nesses tratamentos.

Outro fato importante é que o modelo atual de desenvolvimento de medicamentos da empresa só lida com o processo de descoberta inicial, e que as moléculas geradas por seu modelo ainda precisarão de muitas ajustes e otimizações antes que as moléculas possam potencialmente ser usadas em ensaios clínicos.

De acordo com o Wired, o CEO da Insilico Medicine, Alex Zhavornokov, reconhece que o medicamento impulsionado por IA da empresa não está pronto para uso em campo, com o estudo atual sendo apenas um conceito de prova. O objetivo desse experimento foi ver quão rapidamente um medicamento poderia ser projetado com a ajuda de sistemas de IA. No entanto, Zhavornokov observa que os pesquisadores foram capazes de projetar uma molécula potencialmente útil muito mais rápido do que poderiam ter feito se tivessem usado métodos regulares de descoberta de medicamentos.

Apesar das ressalvas, a pesquisa da Insilico Medicine ainda representa um avanço notável no uso de IA para criar novos medicamentos. O aprimoramento das técnicas usadas no estudo pode encurtar substancialmente o tempo necessário para desenvolver um novo medicamento. Isso pode ser especialmente útil em uma era em que bactérias resistentes a antibióticos estão se proliferando e muitos medicamentos anteriormente eficazes estão perdendo sua potência.