Blog

Aplican “Machine Learning” en la búsqueda de medicamentos para el cáncer


El “Machine Learning” está revolucionando el descubrimiento de fármacos contra el cáncer. El Dr. Bissan Al-Lazikani, director de ciencia de datos del Instituto de Investigación del Cáncer, explica cómo la tecnología está agregando una nueva dimensión a la lucha contra la enfermedad.Impulsado por volúmenes crecientes de datos y una capacidad de almacenamiento potente, el “Machine Learning se está aplicando ahora a una serie de “desafíos imposibles”: automóviles auto dirigidos y personalización de marketing, detección de fraude y traducción simultánea.

Pero difícilmente puede haber un campo más valioso para su aplicación que en la batalla contra el cáncer. Un enfoque  para construir modelos usando algoritmos que aprenden iterativamente de los datos a los que están expuestos sin ser explícitamente programados ya tiene un impacto revolucionario en el descubrimiento de nuevos fármacos y terapias eficaces. Este salto tecnológico está progresivamente suplantando el enfoque histórico de los científicos, que normalmente flotan una hipótesis sobre el potencial de una droga y luego observan sus efectos en la experimentación y los ensayos. El aprendizaje automático está mostrando a los investigadores las áreas que tienen más probabilidades de ser objetivos exitosos para nuevos fármacos, lo que reduce la necesidad de muchos ensayos infructuosos.

 

En ICR, las distintas y ricas fuentes  de datos se reúnen en una sola plataforma – el KnowledgeHub – que permite a los investigadores buscar patrones y explorar las complejidades de los cánceres específicos a un nivel sin precedentes. Con las técnicas de aprendizaje automático, el equipo está construyendo modelos para predecir cómo los tumores responderán al tratamiento y qué fármaco es el más adecuado para tratar la enfermedad.

 

Para cualquier cáncer, puede haber 100 posibles objetivos o genes que un medicamento puede ser utilizado en contra. Al-Lazikani dijo que ese proceso de descubrimiento de fármacos solía ser un éxito o no, así que cuando un investigador se dio cuenta de que había elegido un objetivo equivocado, se había desperdiciado mucho tiempo y esfuerzo. Con el “Machine Learning, los datos son vistos de una manera más inteligente que ayuda a los científicos a “cubrir” sus rápidamente sus hipótesis.

 

Hay muchos beneficios en esta aplicación: los pacientes recibirán un tratamiento más inteligente y efectivo, y los investigadores podrán trabajar mucho más eficientemente, a menudo encontrarán información valiosa que tal vez no hayan conocido. “Es un descubrimiento de conocimiento oculto que es el resultado realmente poderoso del aprendizaje automático”, resume Al-Lazikani.

 

Fuente: http://icr.ac.uk – Abril de 2017

Volver

Laying the Foundation to Unlock AI Value at Scale


McKinsey predicts that artificial intelligence has the potential to begin creating between $3.5 trillion and $5.8 trillion in value annua

Ampliar

How Data Governance Supports the Data-Driven Enterprise


In a recent webinar, “Strategies for Aligning Governance with Self-Service Analytics,” David Stodder, senior director of rese

Ampliar

Data Quality in the Age of Big Data


Whether data is big or small, old or new, traditional or modern, on premises or in the cloud, the need for data quality doesn’t change.

Ampliar
developed by Avilasoto