En el sector biopharma, el desarrollo de nuevos medicamentos enfrenta una complejidad creciente, con tiempos de espera que superan los diez años y costos que pueden llegar a sobrepasar los 2.000 millones de dólares. La tasa de fracaso de estos proyectos es alarmante, con más del 90 % de los fármacos que no logran llegar al mercado. Este fenómeno, conocido como «Market to Molecule» (M2M), es un proceso intensivo en recursos que pone en evidencia los múltiples riesgos asociados a la investigación y desarrollo farmacéutico. Sin embargo, una parte significativa de las empresas del sector—alrededor del 90 %—son clientes de Amazon Web Services (AWS), lo que abre la puerta a una potencial transformación en sus prácticas.
Recientemente, se ha adoptado un enfoque más centrado en la genética para el descubrimiento de nuevos medicamentos. Esta estrategia busca identificar variantes en el genoma humano y su relación con enfermedades específicas, con el objetivo de aumentar las tasas de éxito en el proceso M2M al abordar las causas fundamentales de las dolencias. No obstante, la navegación y el análisis de grandes volúmenes de datos genómicos han sido un desafío considerable. Hasta ahora, los investigadores han tenido que utilizar navegadores del genoma que, a menudo, no satisfacen sus necesidades, generando frustraciones y pérdida de tiempo.
La inteligencia artificial generativa emerge como una solución eficiente para optimizar este proceso. AWS ha colaborado con un cliente para desarrollar un asistente conversacional que permite a los científicos explorar el genoma con mayor rapidez y flexibilidad. Este asistente promete ahorrar horas valiosas al permitir que los investigadores formulen preguntas en lenguaje natural, eliminando la necesidad de interactuar con filtros y opciones complejas.
Además, se introduce un enfoque de «text-to-SQL» que traduce preguntas en lenguaje natural a consultas SQL, facilitando el acceso a datos genómicos de manera casi instantánea. A través de Amazon Bedrock, esta tecnología no solo agiliza el trabajo de los investigadores, sino que también define un nuevo estándar de eficiencia en el proceso de descubrimiento de medicamentos.
Diversas estrategias de ingeniería de prompts han demostrado ser efectivas para lograr una alta precisión en la generación de estas consultas SQL. Estas estrategias incluyen descripciones minuciosas de las tablas y columnas en las bases de datos, así como enfoques como el «chain-of-thought», que descompone problemas complejos en pasos más sencillos y manejables.
Este enfoque innovador no sólo tiene el potencial de democratizar el acceso a los datos ómicos, sino que promete revolucionar el sector farmacéutico, acelerando la entrega de tratamientos cruciales a los pacientes que más los necesitan.
