En el ámbito de la biotecnología farmacéutica, el desarrollo de nuevos medicamentos enfrenta un camino arduo y costoso. Las empresas de biopharma suelen invertir más de una década y 2.000 millones de dólares para llevar un fármaco desde el laboratorio hasta el mercado, con una alarmante tasa de fracaso que excede el 90%. Este proceso conocido como «Market to Molecule» (M2M) requiere un uso intensivo de recursos y está lleno de riesgos. Sorprendentemente, el 90% de estas compañías son clientes de Amazon Web Services (AWS), lo cual abre nuevas posibilidades para revolucionar sus métodos mediante tecnología de vanguardia.
Recientemente, se ha implementado un enfoque que pone énfasis en la genética para el descubrimiento de nuevos fármacos. Esta técnica consiste en identificar variantes del genoma humano y su relación con diversas enfermedades, lo cual podría incrementar significativamente las tasas de éxito en el proceso M2M al atacar las dolencias desde su raíz. Sin embargo, manejar grandes volúmenes de datos genómicos sigue siendo un desafío considerable. Los investigadores se enfrentan a navegadores del genoma que a menudo no satisfacen sus necesidades, generando frustración y pérdida de tiempo.
La inteligencia artificial generativa emerge como una solución innovadora para optimizar este proceso. AWS ha trabajado en conjunto con sus clientes para crear un asistente conversacional que permita a los científicos explorar datos genómicos de forma más eficiente y flexible. Este asistente tiene el potencial de ahorrar tiempo valioso al permitir que los usuarios formulen preguntas en lenguaje natural, eliminando la dependencia de filtros y configuraciones complicadas.
Además, se ha desarrollado una tecnología «text-to-SQL» que transforma preguntas formuladas en lenguaje natural en consultas SQL, facilitando un acceso más ágil a los datos genómicos. Mediante el uso de Amazon Bedrock, estas consultas SQL se generan casi instantáneamente, optimizando el trabajo de los investigadores y mejorando la eficacia del proceso de descubrimiento farmacéutico.
Diferentes técnicas de ingeniería de prompts han resultado efectivas para lograr precisión en la creación de las consultas SQL, tales como descripciones detalladas de tablas y columnas en las bases de datos, junto con métodos como el «chain-of-thought», que permite descomponer problemas complejos en pasos más manejables.
Este avance no solo democratiza el acceso a los datos genómicos, sino que también tiene el potencial de transformar el sector farmacéutico, acelerando la entrega de tratamientos esenciales a los pacientes que los necesitan.
