AstraZeneca está aprovechando la inteligencia artificial de próxima generación para revolucionar la detección temprana de enfermedades y el desarrollo de nuevos medicamentos. Una de sus innovaciones más recientes se llama MILTON, una herramienta de aprendizaje automático capaz de predecir más de 1.000 enfermedades antes de que aparezcan los primeros síntomas.
Este avance promete transformar la medicina preventiva y personalizar los tratamientos con una precisión y eficacia sin precedentes.
En una investigación publicada en Genética de la naturalezapresenta cómo se ha desarrollado MILTON para evaluar el riesgo de enfermedades específicas, utilizando datos completos de casi 500.000 participantes del Biobanco del Reino Unido. La herramienta permite identificar individuos con mayor probabilidad de padecer determinadas enfermedades, lo que acelerará el descubrimiento de dianas farmacológicas y biomarcadores, allanando el camino hacia tratamientos más eficaces y personalizados.
MILTON, cuyo nombre significa Aprendizaje automático con asociaciones de fenotipo (aprendizaje automático con asociaciones de fenotipos), fue diseñado para predecir enfermedades con alta precisión. Desarrollado utilizando datos de 67 biomarcadores clínicos y datos proteómicos de 3000 proteínas plasmáticas de un subconjunto de 50 000 participantes del Biobanco del Reino Unido, MILTON emplea la métrica del área bajo la curva (AUC), un estándar para medir el rendimiento en el aprendizaje automático.
La herramienta analizó 3.200 enfermedades, logrando un alto nivel de previsibilidad en 1.091 de ellas (AUC superior a 0,7) y un rendimiento excepcional en 121 enfermedades (AUC superior a 0,9). Estos resultados resaltan nuevas firmas de biomarcadores capaces de predecir el riesgo de enfermedad años antes del diagnóstico.
Las capacidades de MILTON tienen como objetivo mejorar el descubrimiento de objetivos farmacológicos en estudios genéticos poblacionales a gran escala. En los estudios convencionales de casos y controles, los códigos de facturación hospitalaria y los datos autoinformados a menudo clasifican a los participantes de forma incompleta. MILTON permite una corrección en esta clasificación y reclasifica a los individuos que fueron asignados incorrectamente como controles, mejorando así el poder estadístico para el descubrimiento genético y ampliando la precisión en cientos de enfermedades.
Slavé Petrovski, vicepresidente del Centro de Investigación Genómica de AstraZeneca, ha destacado la importancia de esta herramienta: “MILTON representa un avance significativo respecto a las herramientas predictivas actuales. Nuestra investigación demuestra la capacidad de MILTON para identificar casos de riesgo de enfermedad en grandes biobancos, lo que podría permitir la detección de enfermedades en etapas más tempranas y tratables, facilitando intervenciones clínicas tempranas”, afirmó el investigador en entrevista con WIRED.
Las capacidades predictivas de MILTON, que abarcan más de 1.000 enfermedades, se pueden aplicar a cualquier biobanco, independientemente de la ascendencia genética de los participantes.
A medida que AstraZeneca amplíe sus capacidades, incluida la integración de datos proteómicos adicionales, se espera que MILTON continúe mejorando su capacidad para predecir un espectro aún más amplio de enfermedades.
AlphaMissense, un nuevo modelo del equipo de inteligencia artificial de Google, analiza los efectos de las mutaciones del ADN y acelerará la investigación de enfermedades raras.
Al hablar sobre el desarrollo de MILTON, Slavé Petrovsky, doctor en Bioinformática y Bioestadística de la Universidad de Melbourne y con amplia experiencia en el mundo académico y en la industria farmacéutica, explicó cómo se posiciona esta herramienta en el futuro de la medicina preventiva. . Con más de 200 publicaciones científicas y participación en comités globales de genómica, Petrovsky representa un liderazgo clave en AstraZeneca.
Por otro lado, Guillermo del Ángel, director de Enfermedades Raras del Centro de Investigación Genómica de AstraZeneca, también está al frente de la integración de la inteligencia artificial en soluciones de salud, liderando proyectos innovadores que mejoran la detección temprana de enfermedades. y descubrimiento de fármacos, impulsando avances significativos en la atención sanitaria. Guillermo es científico de datos y biólogo computacional con un doctorado en ingeniería y matemáticas aplicadas de la Universidad de Cornell. Tiene amplia experiencia en áreas como estadística, aprendizaje automático y análisis de datos, además de haber desarrollado software a gran escala y con calidad de producción en diversos lenguajes y plataformas. Es experto en biología computacional y bioinformática, especialmente en secuenciación de ADN de alto rendimiento y genética de poblaciones.
