Las compañías farmacéuticas consideran utilizar la IA porque buscan llegar al mercado más rápido con nuevos descubrimientos. Sin embargo, algunos no confían en las “cajas negras” y tienen buenas razones para ello.
Dichas cajas negras están asociadas con el aprendizaje profundo, un tipo específico de técnica de IA. Algunos de estos sistemas pueden producir resultados revolucionarios, pero son incapaces de explicar cómo llegaron a una conclusión de una manera que los humanos puedan entender. No obstante, es posible desarrollar modelos que se expliquen a sí mismos, lo que comúnmente se conoce como “IA explicativa”.
Uso responsable de las herramientas de IA
La emoción reciente por ChatGPT ha hecho comprender el impacto potencial de la IA. Incluso, algunos ahora están probando cosas aventureras, como diagnosticar enfermedades en pacientes con trastornos raros, predecir mutaciones virales para la creación de nuevas vacunas y reemplazar pruebas en animales al probar nuevos medicamentos. De hecho, el descubrimiento de medicamentos asistido por computadora se remonta a la década de 1960.
El obstáculo más grande se encuentra en las diferencias entre laboratorios húmedos (donde se realizan experimentos con sustancias químicas) y laboratorios secos (que se basan en simulaciones por computadora), ya que la velocidad de generación de datos difiere enormemente.
En la actualidad, casi todas las grandes compañías farmacéuticas han realizado inversiones significativas en IA y tienen la experiencia para aplicarla. Sin embargo, las pequeñas compañías biotecnológicas no cuentan con los recursos para adoptar nuevas aplicaciones que se crucen con el diseño químico (además de que algunas personas temen que el uso de la IA perjudique sus carreras).
La realidad es que, al igual que las computadoras, la IA se está volviendo cada vez más omnipresente en diversas industrias y su impacto será transformador. Los roles cambiarán y los investigadores y científicos podrán lograr más en menos tiempo. Sin embargo, muchos tomadores de decisiones se graduaron hace años y no aprendieron a usar la IA, lo que les deja dos opciones: capacitarse o seguir haciendo las cosas de la misma manera.
Los cambios en el proceso de toma de decisiones requeridos para adoptar la IA pueden ser una razón más profunda para ser escéptico. Por ejemplo, la interacción de un medicamento con un sistema biológico ha requerido flujos de trabajo sofisticados en los que muchos expertos humanos toman decisiones cruciales basadas en datos experimentales costosos.
Una vez que la IA pueda resolver esos problemas complejos, toda la industria puede transformarse en un negocio totalmente diferente. Y eso, para algunos, es aterrador. Para otros, no es más que una emocionante aventura.
Prohibida su reproducción total o parcial.