¿Por qué el fin de la IA es la biofarmacia?
En cuanto a la futura dirección de desarrollo de la IA, la comunidad inversora tiene opiniones diferentes: algunos creen que es la industria fotovoltaica, otros creen que es la industria energética, mientras que NVIDIA cree que es el campo de los biofarmacéuticos. En el plan de inversión de NVIDIA para 2023, además de los algoritmos básicos y la construcción de infraestructuras en el campo de la IA, los biofarmacéuticos se han convertido en un área clave de su inversión. Kimberly Powell, vicepresidenta de negocios sanitarios de NVIDIA, lo ha dejado claro: «Si la industria del diseño asistido por ordenador puede lanzar la primera empresa de chips con una capitalización bursátil de 2 billones de dólares, ¿por qué no puede la industria del descubrimiento de fármacos asistido por ordenador generar la próxima empresa farmacéutica con una capitalización bursátil de un billón de dólares?».
Está claro que NVIDIA es optimista sobre el futuro de la IA+biofarmacéutica y pretende crear otra historia de éxito similar a la de NVIDIA. ¿Por qué NVIDIA tiene unas expectativas tan altas en este campo? La respuesta a esta pregunta requiere una comprensión profunda de los principales retos y la lógica subyacente de la industria farmacéutica.
Contra la ley de Moore
El rápido desarrollo de la tecnología de IA no puede separarse del rápido progreso de la industria de los circuitos integrados. Gordon Moore, fundador de Intel, tras años de estudio en profundidad de la industria de los semiconductores, resumió la idea de que el número de transistores en los circuitos integrados se duplica aproximadamente cada 18 o 24 meses. Esta es la famosa Ley de Moore. La Ley de Moore establece que, a medida que la tecnología sigue avanzando, el rendimiento de los procesadores se duplicará aproximadamente cada dos años y los precios se reducirán a la mitad. Gracias a esta continua iteración y avance de la tecnología, la tecnología informática ha crecido exponencialmente, permitiendo funciones cada vez más sorprendentes.
Sin embargo, a diferencia de la Ley de Moore en la industria de los semiconductores, las tendencias en la industria biofarmacéutica muestran un fenómeno de «antiley de Moore». Durante mucho tiempo, el desarrollo de medicamentos innovadores se ha conocido como la «ley de los dos dígitos», lo que significa que normalmente se tarda diez años y cuesta mil millones de dólares desarrollar un nuevo medicamento. Sin embargo, estas cifras están ahora desactualizadas, ya que los últimos datos muestran que el coste medio de I+D de un medicamento innovador es de unos 2600 millones de dólares a nivel mundial, y el ciclo medio de I+D es de unos 10,5 años. Los largos ciclos de I+D y los elevados costes de I+D hacen que el desarrollo de medicamentos innovadores sea extremadamente arriesgado, no solo porque requiere grandes cantidades de apoyo financiero, sino también porque se enfrenta a altas tasas de fracaso. Para complicar aún más las cosas, la dificultad de la I+D sigue aumentando con el tiempo, ya que el coste de desarrollar nuevos medicamentos y objetivos aumenta y el rendimiento de la inversión disminuye a medida que se descubren más medicamentos y objetivos.
En este entorno contrario a la Ley de Moore, el umbral de la I+D de medicamentos innovadores es cada vez más alto y el riesgo de inversión va en aumento, lo que hace que la I+D de medicamentos innovadores se convierta gradualmente en coto privado de las grandes empresas. Sin embargo, la industria farmacéutica a menudo se ve impulsada por la innovación en los márgenes, con muchas nuevas tecnologías que nacen inicialmente en empresas emergentes. Solo cuando estas tecnologías se validan progresivamente, las grandes empresas comienzan a intervenir y a diseñar.
Se ha desarrollado una aparente contradicción entre las leyes de desarrollo de la industria y sus fuerzas motrices, un fenómeno muy inusual que podría conducir a un cuello de botella en el avance de la tecnología médica humana, una situación que a nadie le gustaría ver.
La industria biofarmacéutica necesita urgentemente un cambio, y el coste cada vez mayor del desarrollo de medicamentos innovadores ofrece margen para dicho cambio. Basándose en estos dos factores, NVIDIA cree firmemente que la tecnología de IA tiene el potencial de revolucionar la industria farmacéutica.
Experiencia frente a intuición
La industria farmacéutica moderna se compara a menudo con una ciudad amurallada construida sobre la intuición. Aunque los medicamentos innovadores deben someterse a una validación clínica rigurosa y sistemática antes de poder comercializarse, el proceso de descubrimiento está lleno de incertidumbre. Todo el proceso de descubrimiento de fármacos se asemeja a un embudo, en el que el número de compuestos candidatos que tienen éxito disminuye progresivamente en cada etapa, desde el descubrimiento del fármaco hasta la validación preclínica y la validación clínica. Entre ellas, la etapa de descubrimiento de fármacos es especialmente difícil, ya que los desarrolladores deben examinar innumerables compuestos para identificar unos 10 000 candidatos potenciales y, finalmente, fijar el compuesto adecuado después de varias capas de selección. Descubrir e identificar un objetivo concreto no solo es fruto de la casualidad, sino que también es complejo y tedioso de validar, y aún más difícil de localizar con éxito en la molécula adecuada.
Aunque generaciones de esfuerzos en el descubrimiento de fármacos han estandarizado el proceso de descubrimiento de fármacos, cuando se enfrentan a una enorme cantidad de datos de compuestos, la I+D sigue dependiendo en gran medida de la intuición de los investigadores, y los datos solo pueden proporcionar una ayuda limitada. La dirección correcta de la I+D es un requisito previo para el éxito, y una vez que se toma la ruta equivocada, no importa cuánto esfuerzo se ponga en ella, puede ser inútil. Esta excesiva dependencia de la intuición es la causa principal del continuo aumento de los costes de la I+D de medicamentos tradicionales.
Para reducir los costes de I+D en la industria farmacéutica, es necesario adoptar un enfoque de I+D más basado en datos. Los datos son, en esencia, experiencia acumulada, y su digitalización no significa la eliminación de los fracasos de I+D, sino que los fracasos pueden convertirse en una base de aprendizaje para la próxima I+D. Mediante la formación de modelos a gran escala, la IA puede hacer que el proceso de selección de medicamentos sea más rápido y preciso.
El desarrollo de medicamentos innovadores puede compararse con un juego roguelike; aunque cada partida puede parecer aleatoria y la experiencia puede ser diferente cada vez, la dificultad del siguiente desafío puede reducirse gradualmente a través del fracaso constante y la acumulación de datos.
La IA farmacéutica es esencialmente un proceso de cambio de la intuición de los expertos a la retroalimentación de datos para encontrar el camino óptimo de I+D a través del entrenamiento continuo de modelos. Este cambio marca un paso de la intuición a los datos, y un progreso de la emoción a la razón. Especialmente en muchas áreas de enfermedades que aún no se han conquistado, confiar en la intuición de los expertos puede no ser mejor que el éxito aleatorio, mientras que el ensayo y error continuo del modelo de IA es la forma más eficaz de reducir la tasa de fracaso. La IA farmacéutica no solo reduce los costes de I+D, sino que también mejora significativamente la eficiencia de la I+D.
Los recursos de datos son los más valiosos
Los algoritmos, la aritmética y las bases de datos constituyen los tres elementos centrales de la tecnología de IA. En la mayoría de los escenarios de aplicación de la IA, los algoritmos son el eslabón clave, y aunque la potencia aritmética y las bases de datos son igualmente importantes, los inversores tienden a prestar más atención al desarrollo de algoritmos de modelos grandes. Sin embargo, en el campo biofarmacéutico, el dominio de los algoritmos puede no ser tan obvio. A diferencia de otros campos, los recursos de datos en biofarmacia son valiosos, a menudo no son de código abierto, y son los activos principales de las grandes empresas farmacéuticas. Tanto los resultados exitosos como los fallidos se obtienen a través de ensayos clínicos de alto costo.
Por lo tanto, está claro que en el campo de la IA farmacéutica, la base de datos es la clave de la competitividad básica. Si observamos las populares empresas farmacéuticas de IA en China, muchas de ellas se han transformado a partir de empresas CRO. A diferencia de las empresas farmacéuticas tradicionales, las empresas CRO tienen una amplia experiencia en I+D y, aunque los datos de I+D pertenecen a la Parte A, son capaces de acumular una gran cantidad de datos de procesos y metodologías en el curso de múltiples procesos de I+D, lo que les proporciona una ventaja en la construcción de bases de datos. Teniendo en cuenta la naturaleza no abierta de los datos biofarmacéuticos, el desarrollo de la IA farmacéutica podría ir en dos direcciones. Una son las corporaciones multinacionales (CMN) bien financiadas, que han acumulado una rica experiencia y datos de I+D durante mucho tiempo y han comenzado a diseñar de forma integral la tecnología de IA; la otra son las CRO que se dedican principalmente a la transformación de la IA farmacéutica en China, que tienen una gran capacidad de construcción de bases de datos, y lo único que les falta es el desarrollo de algoritmos de modelos grandes, y el problema de la potencia computacional puede resolverse cooperando con empresas tecnológicas como AliCloud y TencentCloud. El primer modelo puede ser más difícil de realizar en China porque la industria biofarmacéutica nacional comenzó tarde y carece de empresas multinacionales que lleven mucho tiempo realizando investigación y desarrollo de medicamentos innovadores.
En las próximas décadas, las empresas CRO probablemente se convertirán en los activos principales de la industria farmacéutica de IA de China, mientras que en el extranjero es principalmente una competencia entre empresas multinacionales, que son reacias a abrir sus datos a terceros, e incluso empresas como Nvidia solo pueden participar en el campo biofarmacéutico a través de la inversión. Actualmente, los productos farmacéuticos de IA nacionales se encuentran en las primeras etapas de desarrollo y pueden dividirse aproximadamente en tres niveles. El primer nivel incluye empresas que llevan muchos años desarrollando tecnología farmacéutica de IA, como Chengdu Pilot, Hongbo Pharmaceuticals, Jingtai Technology y Medicine Stone Technology, etc.; el segundo nivel es una empresa que tiene una amplia experiencia en I+D pero que acaba de iniciarse en el campo de los productos farmacéuticos de IA, como WuXi Kantei, Medicilon y Haoyuan Pharmaceuticals, etc.; y el tercer escalón es el de las empresas CRO con experiencia, pero que aún no se han establecido en profundidad en el campo de la IA. En el campo farmacéutico de la IA, los datos son el recurso más crítico, y el valor de la base de datos supera con creces los algoritmos y la potencia aritmética, por lo que las empresas CRO pueden tomar la delantera en la actual industria farmacéutica nacional de IA.
¡Contáctenos ahora!
Si necesita un precio, rellene sus datos de contacto en el siguiente formulario y, por lo general, nos pondremos en contacto con usted en un plazo de 24 horas. También puede enviarme un correo electrónico info@longchangchemical.com durante el horario laboral (de 8:30 a. m. a 6:00 p. m. UTC+8 de lunes a sábado) o utilice el chat en vivo del sitio web para obtener una respuesta rápida.
| Compound Glucoamylase | 9032-08-0 |
| Pullulanase | 9075-68-7 |
| Xylanase | 37278-89-0 |
| Cellulase | 9012-54-8 |
| Naringinase | 9068-31-9 |
| β-Amylase | 9000-91-3 |
| Glucose oxidase | 9001-37-0 |
| alpha-Amylase | 9000-90-2 |
| Pectinase | 9032-75-1 |
| Peroxidase | 9003-99-0 |
| Lipase | 9001-62-1 |
| Catalase | 9001-05-2 |
| TANNASE | 9025-71-2 |
| Elastase | 39445-21-1 |
| Urease | 9002-13-5 |
| DEXTRANASE | 9025-70-1 |
| L-Lactic dehydrogenase | 9001-60-9 |
| Dehydrogenase malate | 9001-64-3 |
| Cholesterol oxidase | 9028-76-6 |