La tecnología de Unlearn.ai tiene como objetivo acortar el tiempo de aprobación de medicamentos y mejorar la ética de los ensayos clínicos.
Los ensayos clínicos son las arenas movedizas del desarrollo de fármacos. Los ensayos clínicos para respaldar un nuevo medicamento pueden prolongarse de seis a siete años, en promedio, con un costo promedio de $19 millones. Ahora, utilizando el aprendizaje automático y la IA generativa, una startup llamada Unlearn.ai tiene como objetivo transformar los ensayos clínicos al abordar uno de sus mayores desafíos: reclutar suficientes personas para participar. ¿Su solución? Gemelos digitales.
Towfiqu barbhuiya /Unsplash]
El concepto de un gemelo digital ha existido por un tiempo: es básicamente una simulación de software de algún sistema del mundo real (un motor a reacción, una fábrica, una cadena de suministro global) que se utiliza para predecir cómo funcionará y cómo se derrumbará, con el tiempo. Aunque se usa ampliamente en ingeniería de sistemas y campos como la fabricación, el gemelo digital es un concepto relativamente nuevo en la biología.
El director ejecutivo y fundador de Unlearn.ai, Charles Fisher, quien anteriormente trabajó como ingeniero de aprendizaje automático en Leap Motion y como biólogo computacional en Pfizer, explica que Unlearn, que ahora emplea a unas 60 personas y este año recaudó $ 50 millones en fondos, genera simulaciones de personas por computadora individualizadas. “Estamos tomando datos históricos, datos del mundo real, sobre una enfermedad en particular y cómo progresa en los tratamientos actuales, y los encapsulamos dentro de un modelo informático”, dice. “Después, si me inscribo en un ensayo clínico, tomamos datos míos al comienzo del ensayo, los ponemos en el modelo y crea simulaciones de lo que podría pasarme en el futuro”. Entonces, si el verdadero yo recibe el tratamiento experimental, su gemelo digital se ejecuta a través de un algoritmo para ver qué hubiera pasado si no lo hubiera hecho.
Los nuevos modelos de gemelos digitales se validarán a través de un diseño de prueba híbrido, dice Fisher. Los participantes del estudio seguirán siendo asignados al azar a un grupo de tratamiento y otro de control. Pero gracias al poder adicional de las predicciones de gemelos digitales, los grupos de control humanos pueden ser hasta un tercio más pequeños. Al comienzo del ensayo, los datos de todos los participantes se utilizarán para crear gemelos que simulen el resultado del tratamiento con un placebo. Los pacientes reales asignados aleatoriamente al grupo de placebo proporcionarán una medida interna de la precisión del modelo en la población real del ensayo. “Estamos haciendo los ensayos más pequeños solo haciendo que el grupo de control sea más pequeño”, dice Fisher. “Entonces, si participa en uno de estos ensayos, tiene una probabilidad mucho mayor de obtener el medicamento experimental”.
Leer noticia completa:
How ‘digital twins’ could change the way we develop new drugs