in

La IA generará nuevos medicamentos contra el cáncer a pedido

AI and Cancer La IA generará nuevos medicamentos contra el cáncer a pedido

Por el momento, la inteligencia artificial permanece confinada al ámbito de la ciencia ficción, pero es importante señalar que no se puede decir lo mismo sobre el aprendizaje automático, que es cuando las computadoras aprenden a través de sus experiencias de la misma manera que las entidades vivientes. Dado que las computadoras poseen una serie de fortalezas importantes en relación con sus contrapartes de carne y hueso, no debería sorprendernos saber que el aprendizaje automático se está utilizando para una amplia gama de propósitos en una amplia gama de campos, y la medicina no es una excepción a Esta regla. En particular, es interesante observar que el aprendizaje automático está a punto de aplicarse a la guerra contra el cáncer, que sigue siendo el receptor de miles de millones de dólares de fuentes ubicadas en todo el mundo anualmente.

Para elaborar, la guerra contra el cáncer recibe tantos fondos por un par de razones. Primero, las tasas de cáncer están aumentando en todo el mundo a pesar de que es uno de los asesinos más comunes de humanos, lo que puede estar relacionado con el simple hecho de que cada vez más personas viven cada vez más. Después de todo, el cáncer ocurre cuando las mutaciones hacen que las células se propaguen y se dividan sin control sin ser controladas por procesos naturales, lo cual es raro porque pocas mutaciones causan tales problemas y menos mutaciones aún pueden permitir que las células cancerosas eluden la atención del sistema inmunológico. Sin embargo, cuanto más tiempo viva una persona, mayor será la probabilidad de que surja tal mutación debido al mayor número de oportunidades, lo que conducirá a una mayor tasa de cáncer. Como resultado, no hay nadie que esté exento del terror del cáncer, lo que a su vez, significa que existe una enorme demanda de curas para el cáncer. En segundo lugar, cabe señalar que la lucha contra el cáncer no es sencilla ni sencilla. Después de todo, las limitaciones de las técnicas y tecnologías actuales significan que la mayoría de los tumores cancerosos deben tratarse mediante procedimientos quirúrgicos antes de que las células cancerosas restantes se erradiquen mediante tratamientos de radiación o químicos. Dado que ni la radiación ni los tratamientos químicos son tan precisos, esto significa que la lucha contra el cáncer suele ser un proceso agotador con una gran cantidad de efectos secundarios no deseados, por lo que existe tanto interés en mejores curas del cáncer con menos problemas.

Sin embargo, es importante tener en cuenta que, si bien se está avanzando mucho en nuevas curas para el cáncer, como los nanobots, que reducirán los efectos secundarios de los tratamientos químicos al entregar sus cargas químicas directamente a las células cancerosas para evitar afectar a sus contrapartes no cancerosas. , todavía hay un enorme interés en soluciones probadas y verdaderas como los medicamentos contra el cáncer, como lo demuestran las últimas noticias del grupo de Inteligencia Artificial Farmacéutica de Insilico Medicine, Inc. En resumen, dicho equipo ha demostrado que las redes generativas adversarias se pueden utilizar para idear nuevos medicamentos contra el cáncer, lo que significa que su próximo paso será la creación de un motor basado en redes generativas adversarias reales que se utilizará para dicho propósito. Algo que no solo podría acelerar la investigación y el desarrollo en el campo de los productos farmacéuticos, sino también aumentar las posibilidades de éxito en los ensayos clínicos, que a menudo implican enormes cantidades de tiempo, esfuerzo y otros recursos a cambio de nada que pueda convertirse en un producto comercial.

¿Qué son las redes generativas antagónicas?

Antes de profundizar en este hecho, es importante explicar las redes generativas de confrontación. En resumen, las redes generativas de confrontación obtienen resultados útiles al enfrentar un par de redes neuronales que poseen inteligencia de máquina entre sí en una competencia. Una red neuronal es de naturaleza generativa, lo que significa que es responsable de generar resultados que estén lo más cerca posible de ejemplos reales de los resultados deseados. Por el contrario, la otra red neuronal es de naturaleza discriminativa, lo que significa que es responsable de clasificar los ejemplos verdaderos de los ejemplos falsos de las salidas deseadas. Al enfrentar estas dos redes neuronales en competencia entre sí, la red neuronal generativa se vuelve cada vez mejor para generar salidas que se asemejan a ejemplos reales de las salidas deseadas, mientras que la red neuronal discriminativa se vuelve cada vez mejor descartando ejemplos que no cumplen los criterios necesarios de los resultados deseados. Combinado, esto significa que las redes generativas adversarias se vuelven cada vez mejores en la producción de los resultados deseados a lo largo del tiempo a medida que aprenden más y más de sus experiencias, mucho más de lo que los humanos pueden manejar por sí mismos siempre que el par de redes neutrales hayan ha sido programado de la manera correcta.

¿Cómo se utilizarán las redes generativas de confrontación en la lucha contra el cáncer?

El grupo de Inteligencia Artificial Farmacéutica ha demostrado que las redes generativas adversarias se pueden utilizar para crear nuevas moléculas que posean potencial como fármacos contra el cáncer basándose en parámetros sólidos establecidos por sus usuarios. Hasta ahora no ha creado un motor de este tipo, pero su documento significa que se puede esperar en algún momento en el futuro cercano, lo que podría tener profundas implicaciones para el campo de los productos farmacéuticos en su conjunto. Después de todo, aunque las nuevas moléculas creadas por las redes generativas adversarias todavía tendrán que someterse a ensayos clínicos para confirmar su efectividad para el propósito previsto, así como el alcance de sus efectos secundarios en quienes las usan, esta podría ser una alternativa mucho mejor. a los métodos actuales para crear nuevas moléculas, lo que a su vez, podría significar no solo mejores resultados en menos tiempo, sino también una transformación radical en la estructura de la industria en su conjunto. Algo que es particularmente cierto porque, si bien la Inteligencia Artificial Farmacéutica se ha centrado en la creación de posibles medicamentos contra el cáncer, no hay razón para pensar que las redes generativas adversarias no puedan utilizarse para crear nuevas moléculas con usos potenciales en la lucha contra otros agentes médicos. condiciones, lo que podría significar la misma transformación radical para esas partes particulares del campo de los productos farmacéuticos también. En resumen, si bien todavía hay numerosos desafíos que superar antes de que se utilicen las redes generativas adversarias, ya que este documento sugiere que pueden usarse, el campo de los productos farmacéuticos promete ser extremadamente interesante en el futuro cercano, lo que significa que las personas interesadas deben asegurarse para estar atento a los últimos desarrollos.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Joe Maddon Los cinco entrenadores de MLB mejor pagados de cara al 2017

Los cinco entrenadores de MLB mejor pagados de cara al 2017

1632832823 791 Paige La celebridad del fitness Paige Hathaway comparte sus secretos para el éxito

La celebridad del fitness Paige Hathaway comparte sus secretos para el éxito