![Cosmic Wire levanta US$ 30 milhões para expandir a plataforma Web3 cross-chain](https://optimuscloud.com.br/wp-content/uploads/2024/01/Cosmic-Wire-levanta-US-30-milhoes-para-expandir-a-plataforma.jpg)
Cosmic Wire levanta US$ 30 milhões para expandir a plataforma Web3 cross-chain
16 de janeiro de 2024![Uh-oh! O ajuste fino dos LLMs compromete sua segurança, segundo estudo](https://optimuscloud.com.br/wp-content/uploads/2024/01/Uh-oh-O-ajuste-fino-dos-LLMs-compromete-sua-seguranca-segundo.png)
Uh-oh! O ajuste fino dos LLMs compromete sua segurança, segundo estudo
16 de janeiro de 2024A Insilico Medicine, uma empresa de descoberta de medicamentos com IA em estágio clínico, anunciou um marco médico inovador: previu com sucesso os resultados dos ensaios clínicos de Fase II a Fase III usando sua ferramenta proprietária de IA baseada em transformador generativo, inClinico.
A fase clínica é responsável por aproximadamente 90% das falhas no desenvolvimento de medicamentos atribuídas a questões como a falta de eficácia, preocupações de segurança e a complexidade das doenças e dos dados. Essas falhas levam à perda de trilhões de dólares e ao desperdício de anos de esforço. Em resposta a esta imensa taxa de falhas, a Insilico desenvolveu a plataforma de software de IA generativa inClinico para prever os resultados dos ensaios clínicos de Fase II.
A plataforma incorpora vários mecanismos que aproveitam o poder da geração de IA e dados multimodais, abrangendo texto, ômicas, design de ensaios clínicos e propriedades de pequenas moléculas. Seus dados de treinamento incluem mais de 55.600 ensaios clínicos exclusivos de Fase II dos últimos sete anos.
O modelo de probabilidade de ensaio clínico subsequente, desenvolvido por pesquisadores da Insilico, demonstrou uma precisão impressionante de 79% quando validado em relação a ensaios do mundo real no conjunto de validação prospectiva onde estavam disponíveis resultados mensuráveis.
IA revolucionando o desenvolvimento de medicamentos
A pesquisa, publicada na revista Clinical Pharmacology and Therapeutics, mostra o potencial da IA para revolucionar o desenvolvimento de medicamentos e a tomada de decisões de investimento.
A empresa disse que os motores de IA utilizados neste estudo foram integrados ao sistema inClinico, projetado para prever os resultados dos ensaios clínicos. Esta integração é um componente chave da plataforma de análise e planejamento de ensaios clínicos Medicine42.
“A IA oferece uma enorme vantagem quando se trata de processar e analisar dados complexos e reconhecer padrões”, disse Alex Zhavoronkov, fundador e CEO da Insilico Medicine, ao VentureBeat. “Usando aprendizado de máquina e IA, construímos modelos baseados em vários pontos de dados relacionados a medicamentos lançados com sucesso e que falharam. Em seguida, combinamos esses modelos em nosso mecanismo de previsão no Clinico. Para cada estudo de Fase II avaliado, o inClinico gera uma probabilidade de sucesso para prosseguir para a Fase III.”
Zhavoronkov disse que os estudos de validação foram realizados internamente e em colaboração com empresas farmacêuticas e instituições financeiras, demonstrando a robustez da plataforma inclinada. Num conjunto de dados de validação quase prospectivo, a plataforma alcançou uma impressionante pontuação ROC AUC de 0,88, uma medida da sua capacidade de discriminar entre sucesso e fracasso nas transições de ensaios clínicos.
A empresa afirma que as previsões precisas da plataforma foram testadas com um portfólio de negociação virtual com data marcada, resultando em um retorno sobre o investimento (ROI) de 35% ao longo de nove meses, tornando-a uma ferramenta valiosa para investidores que buscam insights técnicos críticos de due diligence.
Aproveitando a IA generativa para o desenvolvimento e descoberta de medicamentos
Zhavoronkov, da Insilico, disse que seu grupo de pesquisa criou o conjunto de dados inicial de dados de ensaios clínicos de Fase II de 55.653 ensaios retirados de clinictrials.gov e de várias outras fontes públicas, incluindo comunicados de imprensa e publicações farmacêuticas.
Esses dados tiveram que ser devidamente rotulados, anotados e interligados; uma tarefa executada por especialistas biomédicos, um transformador discriminativo e um grande modelo de linguagem generativo.
Um sistema transformador então mapeou esses ensaios para medicamentos e doenças usando um pipeline de processamento de linguagem natural (PNL) baseado no estado da arte Aprendizagem de Interpretação de Medicamentos e Doenças com Transformador de Representação de Entidade Biomédica (DILBERT), que foi publicado no ECIR Conferência de 2021.
Zhavoronkov afirmou que a indústria farmacêutica tradicionalmente dependia de pesquisas acadêmicas fundamentais e do acaso para gerar novas ideias e hipóteses. No entanto, a elevada taxa de insucesso indica que a complexidade das doenças e dos mecanismos biológicos torna extremamente difícil identificar alvos bem-sucedidos para o tratamento de doenças, especialmente alvos novos.
Revelando insights, tratamentos potenciais
Zhavoronkov afirma que incorporar a IA na análise de grandes e diversos conjuntos de dados pode revelar insights sobre mecanismos de doenças e tratamentos potenciais que podem não ser evidentes para os humanos. O PandaOmics faz parte do inClinico e assimila grandes quantidades de dados de ensaios clínicos, medicamentos e informações sobre doenças para prever a probabilidade de sucesso ou fracasso durante a transição da Fase II para a Fase III.
O PandaOmics utiliza vários tipos de dados, como dados ômicos, subsídios, ensaios clínicos, compostos e publicações para analisar e produzir uma lista classificada de potenciais alvos específicos para uma doença de interesse.
“PandaOmics é um gráfico de conhecimento para identificação de alvos por meio do qual nossa plataforma generativa de IA pode encontrar conexões entre o sucesso ou fracasso de ensaios clínicos, condições de doença e atributos de medicamentos que podem escapar aos cientistas humanos”, disse Zhavoronkov ao VentureBeat. “Usando esses dados, construímos nosso modelo para prever a probabilidade de sucesso do ensaio clínico de Fase II, definida como a transição do par medicamento-condição da Fase II para a Fase III”.
Capacidades preditivas aprimoradas
A Insilico Medicine vem treinando a inClinico em ensaios clínicos, medicamentos e doenças desde 2014, disse Zhavoronkov, que enfatizou que, ao combinar LLMs multimodais e outras tecnologias de geração de IA, a empresa melhorou significativamente suas capacidades preditivas.
Como resultado, o inClinico serve agora como uma ferramenta para orientar as empresas no direcionamento dos seus fundos de investigação e conhecimentos para programas com maior probabilidade de sucesso, ao mesmo tempo que lhes permite capturar e utilizar informações valiosas de programas que enfrentaram reveses.
“A capacidade do inClinico de prever o sucesso dos medicamentos de transição da Fase II para a Fase III, mesmo sem informações prévias relacionadas à relevância clínica da ação do medicamento na doença, valida os modelos generativos de IA e sua capacidade de aproveitar os dados existentes para prever resultados para doenças onde há menos dados disponíveis”, explicou Zhavoronkov. “Quanto mais dados tiver e mais resultados bem-sucedidos, melhor a IA se tornará em previsões precisas.”
O que vem por aí para o Insilico?
Zhavoronkov expressou forte encorajamento em relação às descobertas, ao mesmo tempo que reconheceu a sua base num conjunto de dados limitado. Ele acredita firmemente que a sofisticação e a precisão do sistema melhorarão continuamente ao longo do tempo, impulsionadas por um aumento de dados e reforço, incluindo insights dos programas internos de pipeline da Insilico – três dos quais (para fibrose pulmonar idiopática, câncer e COVID-19) avançaram com sucesso aos ensaios clínicos.
A Insilico projeta que aproximadamente 20 a 25% dos ensaios podem ser avaliados de forma previsível usando a ferramenta inClinico com precisão significativa. A empresa pretende expandir ainda mais as suas capacidades, aproveitando os novos avanços da robótica laboratorial para prever taxas de sucesso para terapias combinadas e facilitar a seleção das combinações mais eficazes para terapias direcionadas.
“Integramos avanços tecnológicos de ponta em nossa plataforma, incorporando robótica alimentada por IA, AlphaFold e computação quântica”, explicou Zhavoronkov. “Meu grande objetivo é ver essa ferramenta implantada extensivamente porque o uso mais amplo levará a melhorias adicionais. Empregamos uma abordagem chamada Aprendizado por Reforço com Feedback de Especialistas (RLEF), onde a precisão da ferramenta melhora com os insights que recebemos dos analistas que a utilizam para previsões. Atualmente, só podemos prever terapêuticas direcionadas de agente único, de primeira classe, de moléculas pequenas.”
A missão da VentureBeat é ser uma praça digital para os tomadores de decisões técnicas obterem conhecimento sobre tecnologia empresarial transformadora e realizarem transações. Conheça nossos Briefings.