Detalle de un almacén de la multinacional farmacéutica Almirall / EUROPA PRESS

Detalle de un almacén de la multinacional farmacéutica Almirall / EUROPA PRESS

Business

Almirall utilizará la inteligencia artificial para identificar nuevas terapias

La farmacéutica da un paso más en el descubrimiento, desarrollo y comercialización de medicamentos generados por esta tecnología

5 diciembre, 2023 10:45

Noticias relacionadas

Almirall, el Barcelona Supercomputing Center (BSC) y Nostrum Biodiscovery han unido fuerzas para identificar nuevos tratamientos para el tratamiento de enfermedades de la piel a través de la inteligencia artificial.

La colaboración entre la farmacéutica y las dos organizaciones científicas abarcará un periodo de tres años. El proyecto ha recibido financiación del Ministerio de Ciencia e Innovación del Gobierno de España.

Diseño computacional de fármacos

"La aplicación de la inteligencia artificial al diseño de moduladores de las interacciones proteína-proteína no sólo explora nuevos enfoques terapéuticos, sino que también replantea la forma en que abordamos y resolvemos los desafíos en dermatología", asegura Francesc Fernández, Data Science Director de Almirall.

Almirall y el BSC colaboran desde 2018 en el programa de investigación SilicoDerm, un proyecto centrado en el diseño computacional de fármacos aplicado a dianas terapéuticas dermatológicas. Silicoderm ha sido el punto de partida de herramientas basadas en IA para el descubrimiento de fármacos.

La IA aprende el lenguaje químico

La aplicación de métodos de inteligencia artificial en el sector farmacéutico se encuentra en una fase incipiente, pero tiene un gran potencial, según afirma la compañía. Una de las áreas más prometedoras de esta tecnología y el aprendizaje automático es la modelización química generativa.

Inicialmente, las plataformas de IA se entrenan con una gran cantidad de datos asociados a los compuestos para que un algoritmo "aprenda el lenguaje químico". A continuación, los algoritmos pueden proponer nuevas entidades químicas basándose en el modelo de lenguaje aprendido. De este modo, el modelo propone compuestos distintos y potencialmente complementarios a los disponibles en las bibliotecas de compuestos y que están sesgados según la demanda.