Caster: IA que ayudará a predecir la interacción adversa entre medicamentos

25 febrero, 2020
7 Compartido 1,187 Visualizaciones

Nueva York acoge todos los años uno de los mayores eventos de Inteligencia Artificial, el AAAI organizado por el laboratorio MIT-IBM Watson. Este año se ha presentado una herramienta que pretende evitar los casos de reacción adversa a medicamentos, porque cada vez tomamos más medicamentos.

Los medicamentos interactúan con nuestros cuerpos, pero también interactúan entre sí, por lo que múltiples recetas simultáneas aumentan la complejidad y por lo tanto el riesgo, sobre todo si esas recetas están mal coordinadas. Este problema puede causar la mortalidad de algunas personas o incluso que la enfermedad vaya a peor, dando como resultado mayores costes en el sector sanitario.  Por lo tanto, obtener un conocimiento preciso y completo de DDI, especialmente durante el proceso de diseño de fármacos, es importante tanto para los pacientes como para la industria farmacéutica.

Para hacer frente a esto, el MIT-IBM Wastson AI ha creado una nueva herramienta de IA que puede predecir con mayor precisión interacciones adversas potencialmente dañinas e inseguras para medicamentos en el mercado y en la fase de desarrollo temprano. CASTER es un marco de aprendizaje en el que se han incorporado todo tipo de conocimientos farmacológicos para que se especialice en la predicción de DDI inspirada en el mecanismo químico de las interacciones farmacológicas. Esta herramienta destaca principalmente porque desarrolla una representación del fármaco que predice la probabilidad de reacciones adversas entre fármacos basadas en sus frecuentes subestructuras químicas.

¿Cómo funciona Caster?

Tiene tres pasos principales:

  • Un algoritmo químico de minería secuencial extrae subestructuras frecuentes de una base de datos molecular.
  • Un módulo de incrustación de características latentes representa los pares de drogas en términos de las subestructuras frecuentes extraídas, luego genera una representación utilizando el aprendizaje que ha obtenido de los diccionarios de farmacología.
  • Un módulo de predicción aprende para realizar mediciones sobre la relevancia de cada subestructura para el resultado de DDI – esto se logra proyectando más representación incrustada del par de fármacos en el subespacio definido por la inserción de esas subestructuras frecuentes.

Esta herramienta también podrá utilizarse para medir como interactúan los fármacos con los alimentos, ya que estos también tienen la misma forma de descripción química.

Te podría interesar

Oracle presenta un nuevo conjunto de servicios autónomos de plataforma en la nube
Actualidad
5 compartido928 visualizaciones
Actualidad
5 compartido928 visualizaciones

Oracle presenta un nuevo conjunto de servicios autónomos de plataforma en la nube

Vicente Ramírez - 15 mayo, 2018

Aumenta el alcance de las capacidades autónomas con Inteligencia Artificial y Machine Learning, incorporados en sus servicios de desarrollo de aplicaciones, integración y analítica. Como parte de…

Los algoritmos, ¿pieza clave de la IA para superar a los humanos?
Sin categoría
9 compartido1,455 visualizaciones
Sin categoría
9 compartido1,455 visualizaciones

Los algoritmos, ¿pieza clave de la IA para superar a los humanos?

Mónica Gallego - 12 junio, 2018

Comprar en el supermercado, informarse sobre un determinado producto, las relaciones con los seres queridos… El avance de la inteligencia artificial está transformando las acciones del día…

Claves para implantar un modelo predictivo
Inteligencia Artificial
19 compartido2,573 visualizaciones
Inteligencia Artificial
19 compartido2,573 visualizaciones

Claves para implantar un modelo predictivo

Mónica Gallego - 2 agosto, 2019

Es fundamental distribuir inteligencia de cara a la toma de decisiones, tanto a nivel estratégico como operativo, debido a que contribuye a difundir y consolidar la cultura…

Dejar comentario

Su email no será publicado

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.