Inteligencia Artificial capaz de guardar un secreto, incluso de sus creadores, útil para fabricar medicamentos

El sistema ayudaría a las compañías farmacéuticas a compartir información mientras se mantiene en secreto.

Un nuevo sistema criptográfico podría permitir a las compañías farmacéuticas y laboratorios académicos trabajar juntos para desarrollar nuevos medicamentos más rápidamente, sin revelar información confidencial a sus competidores.

La pieza central de este sistema de computación es un programa de inteligencia artificial conocido como red neuronal.

La IA estudia información sobre qué medicamentos interactúan con varias proteínas en el cuerpo humano para predecir nuevas interacciones entre medicamentos.

Más datos de capacitación engendran una inteligencia artificial más inteligente, lo cual fue un desafío en el pasado porque los desarrolladores de medicamentos generalmente no comparten datos debido a preocupaciones de propiedad intelectual.

Los investigadores informan que el nuevo sistema permite que una IA pueda recopilar datos de forma masiva mientras mantiene esa información en privado, lo que podría fomentar asociaciones para un desarrollo más rápido de medicamentos.

La identificación de nuevas interacciones fármaco-proteína puede descubrir nuevos tratamientos potenciales para diversas enfermedades.

O podría revelar si las drogas interactúan con objetivos de proteínas no intencionales, lo que podría indicar si un medicamento puede causar efectos secundarios particulares, dice Ivet Bahar, un biólogo computacional de la Universidad de Pittsburgh que no participa en el trabajo.

En el nuevo sistema de entrenamiento de IA, los datos agrupados de los grupos de investigación se reparten entre múltiples servidores, y el propietario de cada servidor ve lo que parece ser solo números aleatorios.

“Ahí es donde ocurre la cripto-magia”, dice el científico informático David Wu, de la Universidad de Virginia en Charlottesville, quien no estuvo involucrado en el trabajo.

Aunque ningún participante individual puede ver los millones de interacciones entre medicamentos y proteínas que componen el conjunto de entrenamiento, los servidores pueden usar esa información de manera colectiva para enseñar a una red neuronal a predecir la interactividad de combinaciones de medicamentos y proteínas nunca antes vistas.

“Este trabajo es visionario”, dice Jian Peng, científico informático de la Universidad de Illinois en Urbana-Champaign que no participa en el estudio.

“Creo que [esto] sentará las bases para el futuro de las colaboraciones en biomedicina”.
Short duration of ED problems best prices on levitra denote a passage of 2-3 days or a week, while long duration may involve ongoing impotency for several weeks or month. canada tadalafil 10mg One such topic is buying medicine online through an Online Pharmacy. Ayurveda weight gain therapy – Brimhana therapy Ayurveda acharyas recommend a special therapy, called “Brimhana therapy” to increase body bulk get viagra cheap naturally, boost immunity of body and rejuvenate body tissues. Impotence, or Erectile Dysfunction (ED), is a sexual condition of a man not being able to gain or sustain healthy erection- is a quite embarrassing viagra discount online condition for a sufferer.
La bióloga computacional del MIT Bonnie Berger y sus colegas Brian Hie y Hyunghoon Cho evaluaron la precisión de su sistema al entrenar una red neuronal en aproximadamente 1.4 millones de pares de fármacos y proteínas.

La mitad de estos pares se extrajeron de la base de datos STITCH de interacciones conocidas entre medicamentos y proteínas; la otra mitad estaba formada por pares de proteínas y medicamentos que no interactúan.

Cuando se muestran nuevos pares de proteína-proteína que se sabe que interactúan o no, la IA seleccionó qué conjuntos interactuaron con una precisión del 95 por ciento.

Para probar si el sistema podría identificar interacciones de proteína-proteína hasta ahora desconocidas, el equipo de Berger luego entrenó la red neuronal en casi dos millones de pares de proteína-proteína: todo el conjunto de datos STITCH de interacciones conocidas, más el mismo número de parejas que no interactúan.

La IA completamente entrenada sugirió varias interacciones que nunca antes habían sido reportadas o que habían sido reportadas pero que no estaban en la base de datos STITCH.

Por ejemplo, la IA identificó una interacción entre las proteínas receptoras de estrógeno y un medicamento desarrollado para tratar el cáncer de mama llamado droloxifeno.

La red neuronal también encontró una interacción nunca antes vista entre el medicamento para la leucemia imatinib y la proteína ErbB4, que se cree que está involucrada en diferentes tipos de cáncer.

Los investigadores confirmaron esta interacción con experimentos de laboratorio.

Esta red informática segura también puede alentar una mayor colaboración en áreas fuera del desarrollo farmacéutico.

Los hospitales podrían compartir registros de salud confidenciales para capacitar a los programas de IA que predicen los pronósticos de los pacientes o diseñan estrategias de tratamiento, dice Peng.

“Cuando quiera hacer un estudio sobre un gran número de personas sobre el comportamiento, la genómica, los registros médicos, los registros legales, los registros financieros, todo lo que sea sensible a la privacidad, este tipo de técnicas puede ser muy útil”, dice Wu.

Fuente: Science News