Mientras el director ejecutivo de Nvidia, Jensen Huang, examinaba a la audiencia en la conferencia de JPMorgan Healthcare celebrada en enero en San Francisco, el mayor evento de tecnología sanitaria del año, reconoció que se encontraba en un terreno inusual.
“Ustedes no son mi público normal”, dijo ante la sala de tecnólogos de salud y biología, durante una charla informal con Recursion, una empresa de descubrimiento de fármacos en la que Nvidia inyectó 50 millones de dólares el año pasado.
Puede que la audiencia no haya sido parte de su grupo demográfico principal, pero espera que eso cambie. Una y otra vez, Huang ha promocionado la biología digital como la “próxima revolución sorprendente” en tecnología. A medida que el auge de la IA ha arrasado Silicon Valley, Nvidia ha construido un negocio de más de 60,000 millones de dólares al año y el verano pasado se convirtió en una de las pocas empresas con una capitalización de mercado de billones. En salud y biotecnología, ve más oportunidades para impulsar su crecimiento.
“Se ha declarado que somos el próximo negocio de muchos miles de millones de dólares para Nvidia”, dijo a Forbes, Kimberly Powell, vicepresidenta de atención médica de Nvidia. Dijo que la compañía apunta a proporcionar chips, infraestructura en la nube y otras herramientas a más empresas de biotecnología.
Ahora que grandes modelos de lenguaje como ChatGPT de OpenAI y Gemini de Google DeepMind han incorporado la IA generativa, varias de las empresas tecnológicas más poderosas del mundo están considerando la biotecnología como la próxima frontera de la inteligencia artificial, una frontera en la que la IA no genera poemas divertidos a partir de un mensaje. , sino más bien el próximo fármaco que salvará vidas.
“Se ha declarado que somos el próximo negocio de muchos miles de millones de dólares para Nvidia”.
Kimberly Powell, vicepresidenta de atención sanitaria de Nvidia
En Nvidia, posiblemente una columna vertebral de la revolución de la IA debido a sus potentes chips GPU, la mayor parte de las inversiones en la división Nventures VC de la compañía durante los últimos dos años se han destinado al descubrimiento de fármacos. En DeepMind, investigadores académicos han utilizado durante el año pasado el modelo AlphaFold del laboratorio de inteligencia artificial de Google, una herramienta innovadora para predecir estructuras de proteínas, para desarrollar una jeringa “molecular” para inyectar medicamentos directamente en las células e investigar cultivos que sean menos dependientes. sobre pesticidas. El interés por la biotecnología abarca a toda la industria: Microsoft, Amazon e incluso Salesforce también tienen proyectos de diseño de proteínas.
Si bien el uso de la IA en el descubrimiento de fármacos no es exactamente una tendencia nueva (DeepMind presentó AlphaFold por primera vez en 2018), los ejecutivos de DeepMind y Nvidia dijeron a Forbes que este es un momento decisivo, gracias a una confluencia de tres cosas: la masa de datos de entrenamiento ahora disponibles. , la explosión de recursos informáticos y los avances en los algoritmos de IA. “Los tres ingredientes están aquí por primera vez”, dijo Powell. “Esto no era posible hace cinco años”.
La IA tiene un gran potencial en el espacio biotecnológico debido a su enorme complejidad; basta con tomar el problema al que se dirige AlphaFold. Las proteínas son la maquinaria básica de su cuerpo y gestionan una amplia variedad de funciones. Todas estas funciones dependen de la forma tridimensional de una proteína. Cada proteína está formada por una secuencia de aminoácidos, y las interacciones entre esos aminoácidos y el entorno externo determinan cómo se “pliega” la proteína, lo que dicta su forma final. Ser capaz de predecir la forma de una proteína basándose en sus secuencias de aminoácidos es de gran interés para las empresas de biotecnología, que pueden utilizar esos conocimientos para diseñar de todo, desde nuevos medicamentos hasta cultivos mejorados y plásticos biodegradables.
“Siempre fue este tipo de cosas lunáticas y marginales. Muy fuera de lo común”.
David Baker, director del Instituto de Diseño de Proteínas de la Universidad de Washington
Aquí es donde entra en juego el aprendizaje profundo: entrenar modelos de IA en cientos de millones de secuencias de proteínas diferentes y sus estructuras subyacentes ayuda a esos modelos a descubrir patrones en biología sin necesidad de realizar los costosos cálculos que requiere una verdadera simulación de dinámica molecular. La simulación completa de proteínas requiere recursos computacionales tan intensos que las instituciones han diseñado y construido supercomputadoras específicamente para manejar este tipo de problema, como el Anton 2 en el Centro de Supercomputación de Pittsburgh.
El auge de la tecnología de descubrimiento de fármacos no proviene únicamente de los gigantes de la tecnología de inteligencia artificial. Desde 2021, ha habido 281 acuerdos de capital de riesgo en todo el mundo para nuevas empresas de descubrimiento de fármacos de IA, lo que representa una inversión de 7,700 millones de dólares, según Pitchbook. El mayor aumento se produjo en 2021, cuando se afianzó la pandemia, cuando se cerraron 105 acuerdos, frente a los 65 del año anterior, y se redujo a 67 acuerdos en 2023. En un informe publicado a principios de este mes, la firma analista señaló que todavía hay un nivel fuerte. de entusiasmo “por las empresas en etapa inicial que integran la IA en la industria del descubrimiento y desarrollo de fármacos”. El auge de la IA generativa también ha despertado un mayor interés, afirmó David Baker, director del Instituto de Diseño de Proteínas de la Universidad de Washington.
Lee más: La Casa Blanca tiene candidatos: Biden y Trump alcanzan ‘la cifra mágica’ de delegados
Por qué Nvidia, Google y Microsoft están apostando miles de millones en el futuro de la IA de la biotecnología
“Siempre fue este tipo de cosas lunáticas y marginales. Muy fuera de lo común”, dijo Baker. Ahora, dijo, “todo el mundo está hablando de ello”. Desde la fundación del Institute of Protein Design en 2012, más de 20 nuevas empresas han salido del programa, dijo Baker. Diez de ellos, incluido Archon Biosciences, que desarrolla nanomateriales para la medicina regenerativa y el cáncer, y Lila, que crea tratamientos para enfermedades fibróticas, han llegado en los últimos años, desde 2021.
En DeepMind, no fue hasta que llegó la pandemia de Covid-19 que los investigadores comprendieron realmente lo que estaba en juego en su investigación. Habían trabajado durante casi cinco años para desarrollar AlphaFold y, mientras reentrenaban el modelo para su segunda generación, el mundo entero comenzó a refugiarse en el lugar debido a un virus misterioso. “Eso realmente puso de relieve la importancia del problema”, dijo a Forbes Pushmeet Kohli, vicepresidente de ciencia de DeepMind.
El resultado del reentrenamiento de DeepMind fue AlphaFold 2, un modelo innovador que podía predecir con tanta precisión las estructuras de las proteínas que los organizadores de CASP, un concurso mundial de investigación sobre el plegamiento de proteínas, enviaron un correo electrónico a DeepMind para preguntar si la compañía había hecho trampa de alguna manera, recordó Kohli, riendo.
El esfuerzo ha sido tan prometedor que el cofundador Demis Hassabis creó una empresa independiente en Alphabet basada en los avances de AlphaFold en 2021. La startup, llamada Isomorphic Labs, se centra en el descubrimiento de fármacos y está dirigida por el propio Hassabis. Este mismo año, por ejemplo, Isomorphic Labs firmó acuerdos de investigación con Lilly y Novartis por un valor conjunto de casi 3,000 millones de dólares si se cumplen todos los hitos, y eso sin contar las lucrativas regalías de las posibles ventas de medicamentos que resulten de estas asociaciones.
En 2022, Nvidia presentó BioNeMo, una plataforma de inteligencia artificial generativa que ayuda a los desarrolladores a acelerar la capacitación, la implementación y la ampliación de grandes modelos de lenguaje para el descubrimiento de fármacos. En Nventures, el brazo de capital de riesgo del fabricante de chips, siete de los 19 acuerdos generales de la unidad han sido en nuevas empresas de descubrimiento de fármacos de IA, incluidas Genesis Therapeutics, Terray y Generate Biosciences, las más grandes de cualquier categoría de inversión.
“La industria del diseño asistido por computadora creó la primera empresa de chips de 2 billones de dólares”, dijo Powell, refiriéndose a Nvidia y su ascenso estratosférico durante el año pasado. “¿Por qué la misma industria de descubrimiento de fármacos asistido por ordenador no construiría la próxima compañía farmacéutica de un billón de dólares?” Y añadió: “Por eso estamos invirtiendo de la forma en que lo hacemos”.
Varios otros gigantes tecnológicos tienen sus propios esfuerzos de plegado de proteínas. El año pasado, Salesforce presentó ProGen, un modelo de inteligencia artificial generador de proteínas, y Microsoft lanzó EvoDiff, un modelo similar, pero de código abierto. Amazon también lanzó herramientas de plegado de proteínas para SageMaker, su plataforma de aprendizaje automático AWS. Incluso ByteDance, la empresa matriz de TikTok, parece estar reclutando equipos de ciencia y diseño de fármacos, informó Forbes en enero.
Aún así, por muy prometedor y publicitado que sea el descubrimiento de fármacos con IA, existen contratiempos. Todavía se necesitan años para que los medicamentos pasen por ensayos clínicos, y aunque hasta ahora la FDA ha aprobado ensayos clínicos para más de 100 nuevos fármacos candidatos que utilizan inteligencia artificial o aprendizaje automático para su desarrollo, probablemente pasarán años antes de que alguno llegue al mercado.
En algunos casos, las dificultades asociadas con el descubrimiento de fármacos han provocado que las grandes empresas tecnológicas abandonen esa investigación. En agosto pasado, Meta, matriz de Facebook, cerró su equipo de plegado de proteínas. Más tarde, los investigadores de la unidad se lanzaron por su cuenta y fundaron una empresa llamada EvolutionaryScale, informó Forbes el año pasado. Meta se negó a comentar sobre el motivo del cierre del proyecto.
Un cuello de botella importante en el que las empresas de tecnología deberán centrarse es en tener suficientes datos de capacitación. Los modelos fundamentales más nuevos, como GPT, dependen del aprendizaje por refuerzo, un método en el que los algoritmos pueden procesar información sin etiquetar mediante prueba y error. Eso los hace aún más dependientes de datos de alta calidad, dijo a Forbes Anna Marie Wagner, directora de IA de la empresa de biología sintética Ginkgo Bioworks. El verano pasado, su empresa firmó una asociación estratégica de cinco años con Google Cloud para combinar su experiencia en IA con la capacidad de Ginkgo para generar rápidamente datos biológicos en sus laboratorios automatizados, que luego pueden volver a colocarse inmediatamente en el modelo de IA como nuevos datos de entrenamiento. Esta combinación, dijo, ayuda a optimizar mejor el proceso de descubrimiento.
Además, dijo, Gingko tiene la capacidad de validar rápidamente las predicciones del modelo. Contrariamente a la intuición, eso hace que la peculiaridad de los modelos de IA a veces sea alucinante (produciendo resultados erróneos o engañosos ante un mensaje) “una característica, no un error”, porque puede conducir a descubrimientos interesantes que podrían haber sido inimaginables para los científicos. “Queremos que el modelo presente cosas locas, porque ahí es donde comenzamos a ver mejoras de orden de magnitud”.
Kohli plantea el problema de los datos de manera más directa: “Basura entra, basura sale”. Aun así, mientras la industria trabaja para solucionar esos problemas, él ya ha visto el impacto que la IA ha tenido en la investigación biológica. “Cuando voy a conferencias y veo el cambio en la forma en que los biólogos hacían su trabajo antes y en cómo lo hacen hoy, es una transformación asombrosa”, dijo.
Este artículo fue publicado originalmente por Forbes US.
Te puede interesar: Excéntrico millonario australiano revela plan para construir una réplica del Titanic
