De los silos de datos a las perspectivas: el motor de conocimiento multi-agente de PRINCE para el desarrollo de...

Área de la Ciencia:

• Investigación y desarrollo farmacéutico
• Inteligencia artificial en el descubrimiento de medicamentos
• Integración y gestión de datos

Sus antecedentes:

• La industria farmacéutica requiere procesos eficientes de desarrollo de fármacos en medio del aumento de los costos y el control regulatorio.
• El acceso y la síntesis de décadas de datos de estudios de seguridad presentan un desafío significativo.
• Los métodos de recuperación de datos existentes a menudo carecen de la sofisticación para manejar información compleja y no estructurada.

Objetivo del estudio:

• Presentar el Centro de Información Preclínica (PRINCE), una nueva plataforma de integración de datos alojada en la nube.
• Detallar la evolución de PRINCE desde una herramienta de búsqueda básica hasta un asistente de investigación impulsado por IA.
• Demostrar la aplicación de grandes modelos lingüísticos (LLM) y técnicas avanzadas de recuperación en la gestión de datos farmacéuticos.

Principales métodos:

• Desarrollo de PRINCE utilizando una arquitectura multiagente impulsada por LLMs.
• Implementación de técnicas avanzadas de recuperación de datos: generación aumentada de recuperación y texto a SQL.
• Desarrollo iterativo guiado por la retroalimentación de los usuarios, incorporando un enfoque humano en el bucle para la precisión y la responsabilidad.

Principales resultados:

• PRINCE integra con éxito grandes cantidades de datos estructurados y no estructurados de estudios de seguridad.
• La plataforma evolucionó para responder preguntas de investigación complejas y ayudar en la redacción de documentos reglamentarios.
• Se logró una mayor accesibilidad a los datos y una mayor eficiencia en la investigación mediante la integración de la IA.

Conclusiones:

• La plataforma PRINCE muestra el potencial transformador de la IA en el sector farmacéutico.
• Las soluciones basadas en la IA pueden mejorar significativamente la accesibilidad de los datos y la eficiencia de la investigación.
• Dar prioridad a la confianza, la transparencia, la explicabilidad y la supervisión humana es crucial para el éxito de la implementación de la IA en las industrias reguladas.