Fale Conosco
Preencha os campos do formulário e retornaremos o mais breve possível:
Conecte-se
A Inteligência Artificial pode salvar animais de testes de drogas. Isso mesmo, tão frio quanto desumano que possa parecer, os testes em animais são parte integrante dos procedimentos modernos de desenvolvimento e aprovação de compostos químicos e medicamentos. E com boas razões. Os cientistas ainda não podem prever com segurança as propriedades de novos produtos químicos, muito menos como esses compostos podem interagir com células vivas.
Mas um novo artigo publicado na revista de pesquisa Toxicological Sciences mostra que é possível prever os atributos de novos compostos usando os dados que já temos sobre testes e experimentos passados. O sistema artificialmente inteligente foi treinado para prever a toxicidade de dezenas de milhares de substâncias químicas desconhecidas, com base em testes anteriores com animais, e os resultados são, em alguns casos, mais precisos e confiáveis do que os testes com animais reais.
Usar a IA no processo de desenvolvimento de medicamentos não é novidade. Na verdade, com 28 empresas farmacêuticas e 93 startups já gastando centenas de milhões para aplicar aprendizado de máquina e outras técnicas de IA à descoberta de medicamentos, o processo caro e demorado de identificar e testar novos medicamentos parece que a indústria está madura para um artificialmente inteligente. perturbação.
De acordo com Andrew Hopkins , CEO da Exscientia, a inteligência artificial faz “melhores designs e melhores decisões sobre os compostos a serem fabricados e testados”, levando a menos experimentos e “menos experimentos significa que você economiza tempo e dinheiro”.
Ele continua dizendo que as pessoas acham que não podemos usar IA nesse campo porque a biologia é complexa e confusa, “mas é precisamente por causa da complexidade da tomada de decisão que devemos usar a IA. Por exemplo, as abordagens bayesianas são particularmente aplicáveis a dados confusos, nos quais você pode adotar a incerteza nos dados. A IA não requer dados perfeitos para previsões perfeitas. Na verdade, é sobre como você o usa nessas situações complicadas, confusas e imperfeitas para encontrar um sinal em meio a todo o ruído ”.
Thomas Hartung, o toxicologista da Universidade Johns Hopkins, em Baltimore, Maryland, que lidera a pesquisa para prever propriedades de drogas sem testes em animais vivos, diz que modelos computadorizados poderiam substituir alguns estudos de segurança conduzidos em milhões de animais a cada ano, como colocar compostos em coelhos olhos para verificar se eles são irritantes, ou alimentar produtos químicos para ratos para trabalhar com doses letais. “O poder do big data significa que podemos produzir uma ferramenta mais preditiva do que muitos testes em animais”. Sua equipe viabilizou essa abordagem preditiva ao alimentar uma grande quantidade de dados para sua IA, aproveitada de um enorme conjunto de dados que foi originalmente coletado pela Agência Europeia de Produtos Químicos (ECHA) sob uma lei de 2007 chamada REACH (registro, avaliação, autorização e restrição). de produtos químicos). Os dados recolhidos na base de dados da ECHA estão disponíveis publicamente, mas o formato não é facilmente legível para computadores. Em 2014, a equipe de Hartung começou a reformatar os dados de uma forma que é facilmente alimentada por máquinas, comprometendo informações sobre 10 mil produtos químicos e suas propriedades, reunidas em cerca de 800 mil testes em animais. E os resultados são surpreendentes. Seu sistema é capaz de prever a toxicidade de dezenas de milhares de produtos químicos cobrindo nove tipos de testes, abrangendo desde danos a ecossistemas aquáticos até danos causados pela inalação. Levar os testes em animais ao desenvolvimento de medicamentos a um mínimo não é apenas uma causa nobre à luz dos direitos animais e da humanidade, mas torna o processo de desenvolvimento de medicamentos mais curto e barato, poupando os pesquisadores de grande parte dos testes realizados em animais. Em fevereiro, o Comitê de Coordenação Interinstitucional sobre Validação de Métodos Alternativos (ICCVAM), que representa 16 esforços combinados das agências federais dos Estados Unidos para desenvolver métodos para substituir testes em animais, apresentou um roteiro estratégico para substituir o uso de animais em testes de toxicidade. Em abril, o ICCVAM convidou grupos de pesquisa e acadêmicos para os Institutos Nacionais de Saúde em Bethesda, Maryland, para que cada grupo mostrasse como seu software é capaz de prever a toxicidade de 40 mil produtos químicos já testados em animais.
A combinação da previsão desses métodos, que também incluiu a inteligência artificial de Hartung, leva a resultados “tão bons quanto os testes em animais”, de acordo com Nicole Kleinstreuer, diretora adjunta do NTP Interagency Center for Evaluation of Alternative Toxicological Methods, que também conduz o trabalho de toxicologia computacional do NICEATM. Embora os sistemas de computadores e a inteligência artificial pareçam maduros para gradualmente entrar e substituir a grande maioria dos testes de segurança padrão realizados anualmente em animais, há testes de efeitos mais complexos e de longo prazo, como o impacto de uma droga na fertilidade ou o aumento do câncer. Não obstante, as perspectivas nunca foram melhores para os ativistas dos direitos dos animais, por um lado, e os consumidores, por outro, para colher os benefícios da inteligência artificial e do aprendizado de máquina em outro campo. Esta história é republicada de TechTalks, um blog que explora como a tecnologia está resolvendo problemas… e criando novos.
Gostou dessa publicação? Deixe seu comentário ou entre em contato
Thomas Hartung, o toxicologista da Universidade Johns Hopkins, em Baltimore, Maryland, que lidera a pesquisa para prever propriedades de drogas sem testes em animais vivos, diz que modelos computadorizados poderiam substituir alguns estudos de segurança conduzidos em milhões de animais a cada ano, como colocar compostos em coelhos olhos para verificar se eles são irritantes, ou alimentar produtos químicos para ratos para trabalhar com doses letais. “O poder do big data significa que podemos produzir uma ferramenta mais preditiva do que muitos testes em animais”. Sua equipe viabilizou essa abordagem preditiva ao alimentar uma grande quantidade de dados para sua IA, aproveitada de um enorme conjunto de dados que foi originalmente coletado pela Agência Europeia de Produtos Químicos (ECHA) sob uma lei de 2007 chamada REACH (registro, avaliação, autorização e restrição). de produtos químicos). Os dados recolhidos na base de dados da ECHA estão disponíveis publicamente, mas o formato não é facilmente legível para computadores. Em 2014, a equipe de Hartung começou a reformatar os dados de uma forma que é facilmente alimentada por máquinas, comprometendo informações sobre 10 mil produtos químicos e suas propriedades, reunidas em cerca de 800 mil testes em animais. E os resultados são surpreendentes. Seu sistema é capaz de prever a toxicidade de dezenas de milhares de produtos químicos cobrindo nove tipos de testes, abrangendo desde danos a ecossistemas aquáticos até danos causados pela inalação. Levar os testes em animais ao desenvolvimento de medicamentos a um mínimo não é apenas uma causa nobre à luz dos direitos animais e da humanidade, mas torna o processo de desenvolvimento de medicamentos mais curto e barato, poupando os pesquisadores de grande parte dos testes realizados em animais. Em fevereiro, o Comitê de Coordenação Interinstitucional sobre Validação de Métodos Alternativos (ICCVAM), que representa 16 esforços combinados das agências federais dos Estados Unidos para desenvolver métodos para substituir testes em animais, apresentou um roteiro estratégico para substituir o uso de animais em testes de toxicidade. Em abril, o ICCVAM convidou grupos de pesquisa e acadêmicos para os Institutos Nacionais de Saúde em Bethesda, Maryland, para que cada grupo mostrasse como seu software é capaz de prever a toxicidade de 40 mil produtos químicos já testados em animais.
A combinação da previsão desses métodos, que também incluiu a inteligência artificial de Hartung, leva a resultados “tão bons quanto os testes em animais”, de acordo com Nicole Kleinstreuer, diretora adjunta do NTP Interagency Center for Evaluation of Alternative Toxicological Methods, que também conduz o trabalho de toxicologia computacional do NICEATM. Embora os sistemas de computadores e a inteligência artificial pareçam maduros para gradualmente entrar e substituir a grande maioria dos testes de segurança padrão realizados anualmente em animais, há testes de efeitos mais complexos e de longo prazo, como o impacto de uma droga na fertilidade ou o aumento do câncer. Não obstante, as perspectivas nunca foram melhores para os ativistas dos direitos dos animais, por um lado, e os consumidores, por outro, para colher os benefícios da inteligência artificial e do aprendizado de máquina em outro campo. Esta história é republicada de TechTalks, um blog que explora como a tecnologia está resolvendo problemas… e criando novos.
Gostou dessa publicação? Deixe seu comentário ou entre em contato
