El proceso de descubrimiento de medicamentos no solo es costoso, sino que también requiere mucho tiempo y es de una complejidad enorme. Datos recientes han demostrado que cuesta hasta $ 2.5 mil millones de dólares y toma en promedio, casi 12 años desarrollar por completo un medicamento desde cero, y solo aproximadamente 1 de cada 10 de ellos realmente pasa de la aprobación regulatoria. Los investigadores están comenzando a integrar el aprendizaje automático en el proceso de descubrimiento de fármacos para hacerlo más eficiente, acortar el tiempo de desarrollo y también reducir los costos considerablemente. También significa que la gran cantidad de tiempo, recursos y dinero gastados en estrategias convencionales de descubrimiento de medicamentos podrían utilizarse en otras áreas para un mejor retorno de la inversión o nuevas tecnologías.
Uno de los mayores obstáculos donde podría ayudar el aprendizaje automático es administrar la cantidad gigantesca de información biomédica que se crea a diario con datos valiosos que deben extraerse de los estudios. Las revistas biomédicas del mundo están produciendo hasta diez mil piezas de contenido de publicación por día, una tasa que es casi imposible de manejar de manera efectiva con las tecnologías actuales. Otras compañías están utilizando el aprendizaje automático para analizar datos de muestras de pacientes en estados sanos y enfermos para generar nuevos biomarcadores y agentes terapéuticos. El aprendizaje automático les permite a los investigadores generar estos objetivos potencialmente útiles a partir de los datos biológicos e implementar el primer tipo de medicina personalizada hasta la fecha.
La integración del aprendizaje automático en el proceso de descubrimiento de medicamentos ha creado una variedad de nuevas empresas enfocadas en ayudar a los investigadores a reducir su tiempo de investigación y los costos generales a lo largo del camino para comercializar un nuevo medicamento. Eventualmente, todas estas nuevas tecnologías conducirán a una mejor comprensión del modelo molecular de cada paciente, y allanarán el camino hacia la medicina personalizada para todos.
