Publicação
A inteligência artificial na descoberta de novos medicamentos
| Resumo: | A descoberta e desenvolvimento de medicamentos é uma área complexa, que engloba várias etapas, levando a um processo bastante moroso e dispendioso. Com o aumento da digitalização de dados, a inteligência artificial impulsionou a sua aplicação em diversos setores da sociedade, sendo que o setor farmacêutico aproveitou e implementou o seu uso neste processo. Melhorias notáveis no poder computacional combinadas com desenvolvimentos em tecnologia artificial podem ser usadas para transformar o processo de desenvolvimento de medicamentos, uma vez que podem ser aplicadas em todas as etapas desse processo – descoberta de medicamentos, desenvolvimento pré-clínico, desenvolvimento clínico e pós- comercialização – incluindo várias aplicações em propriedades ou previsões de atividade como propriedades físico-químicas, absorção, distribuição, metabolismo, excreção e toxicidade ou relações quantitativas estrutura-propriedade (QSPR) ou relações quantitativas estrutura- atividade (QSAR). Recentemente, o design de medicamentos entrou na era do big data e os métodos de machine learning evoluíram gradualmente para métodos de deep learning com processamento de big data mais robusto e eficaz, levando à combinação de inteligência artificial e tecnologia de design de medicamentos assistida por computador. O design de novo ajuda no processo de descoberta de fármacos ao criar novos agentes farmacêuticos ativos com propriedades pretendidas de forma económica e tempo-eficiente. O principal benefício da inteligência artificial é a diminuição do tempo necessário para o desenvolvimento de medicamentos e, portanto, os custos associados ao processo, melhorando o retorno do investimento, pode levar a uma redução de custos para o consumidor final. Uma vez que um tamanho considerável de training data é necessário para que o training em deep learning seja um sucesso e a acessibilidade a estes dados por vezes não seja adequada para que a inteligência artificial seja eficaz, ainda há muito espaço para melhorias em termos de precisão do método, apesar do seu sucesso crescente. |
|---|---|
| Autores principais: | Roda, Celina Isabel Neto |
| Assunto: | Inteligência artificial Machine learning Deep learning Descoberta e desenvolvimento de fármacos Mestrado integrado - 2022 |
| Ano: | 2022 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| Resumo: | A descoberta e desenvolvimento de medicamentos é uma área complexa, que engloba várias etapas, levando a um processo bastante moroso e dispendioso. Com o aumento da digitalização de dados, a inteligência artificial impulsionou a sua aplicação em diversos setores da sociedade, sendo que o setor farmacêutico aproveitou e implementou o seu uso neste processo. Melhorias notáveis no poder computacional combinadas com desenvolvimentos em tecnologia artificial podem ser usadas para transformar o processo de desenvolvimento de medicamentos, uma vez que podem ser aplicadas em todas as etapas desse processo – descoberta de medicamentos, desenvolvimento pré-clínico, desenvolvimento clínico e pós- comercialização – incluindo várias aplicações em propriedades ou previsões de atividade como propriedades físico-químicas, absorção, distribuição, metabolismo, excreção e toxicidade ou relações quantitativas estrutura-propriedade (QSPR) ou relações quantitativas estrutura- atividade (QSAR). Recentemente, o design de medicamentos entrou na era do big data e os métodos de machine learning evoluíram gradualmente para métodos de deep learning com processamento de big data mais robusto e eficaz, levando à combinação de inteligência artificial e tecnologia de design de medicamentos assistida por computador. O design de novo ajuda no processo de descoberta de fármacos ao criar novos agentes farmacêuticos ativos com propriedades pretendidas de forma económica e tempo-eficiente. O principal benefício da inteligência artificial é a diminuição do tempo necessário para o desenvolvimento de medicamentos e, portanto, os custos associados ao processo, melhorando o retorno do investimento, pode levar a uma redução de custos para o consumidor final. Uma vez que um tamanho considerável de training data é necessário para que o training em deep learning seja um sucesso e a acessibilidade a estes dados por vezes não seja adequada para que a inteligência artificial seja eficaz, ainda há muito espaço para melhorias em termos de precisão do método, apesar do seu sucesso crescente. |
|---|