Insilico lansează un cadru standardizat pentru evaluarea modelelor de descoperire a medicamentelor bazate pe AI
Pe măsură ce modelele AI de uz general și specifice domeniului își fac rapid loc în descoperirea de medicamente, o întrebare critică apare în sectorul farmaceutic: aceste modele pot descoperi cu adevărat medicamente sau sunt doar bune la a da teste?
În prezent, majoritatea benchmark-urilor AI disponibile public suferă de contaminare severă a datelor, modelele obținând scoruri artificial crescute doar prin memorarea întrebărilor de test care se regăsesc în datele lor de antrenament, eșuând ulterior la deciziile reale legate de candidații pentru medicamente.
Pentru a închide acest decalaj, Insilico Medicine, o companie de descoperire a medicamentelor bazată pe inteligență artificială generativă, a anunțat lansarea Drug Discovery and Development (DDD) Benchmarks as a Service (BaaS). Acesta este un cadru de evaluare standardizat, ancorat în date reale atent decontaminate și programe validate proprietar, destinat măsurării performanței modelelor AI și a celor de bază în sarcini reale din domeniul chimiei medicinale, sintezei chimice, biologiei bolilor, dezvoltării clinice și cercetării longevității.
BaaS-ul Insilico este disponibil pentru orice organizație care dezvoltă AI de frontieră pentru descoperirea de medicamente sau care utilizează modele fundamentale în cercetările lor. DDD Benchmark oferă o măsurare independentă și reală a performanței unui model. Acesta cuprinde două suite de evaluare complementare:
Drug Discovery Foundations include mai mult de 300 de evaluări construite din seturi de date publice decontaminate riguros și seturi de teste proprietare. Acest segment măsoară competențele de bază ale unui model în domeniul biologiei bolilor, predicției și optimizării proprietăților moleculare, retrosintezei, designului bazat pe structură și dezvoltării clinice.
Drug Candidate Essentials evaluează abilitatea unui model de a naviga un program complet de descoperire a medicamentelor, de la identificarea loviturii până la nominalizarea candidatului preclinic (PCC). Bazele de referință ale acestuia sunt ancorate în propriile programe validate de Insilico, testând dacă un model poate lua deciziile secvențiale și cu risc ridicat cerute de descoperirea reală a medicamentelor.
Evaluarea este simplă: orice model accesibil printr-un API standard de completare a conversației poate fi evaluat contactând Insilico Medicine. Insilico Medicine evaluează rezultatul corespunzător față de bazele de referință ale experților și oferă un raport de scor standardizat, comparând performanța cu modelele de top.
Rezultatele sunt livrate cu un raport de scor verificat care permite organizațiilor să certifice performanța pentru audiențe interne și parteneri. Organizațiile care doresc recunoaștere publică pot publica, de asemenea, rezultatele lor pe tabloul de bord public DDD Benchmark, oferind domeniului o viziune transparentă și comparativă asupra capacității modelelor.
Pe măsură ce sistemele AI acționează din ce în ce mai mult ca agenți (planificând experimente, raționând asupra datelor experimentale și apelând la instrumente compatibile MCP), DDD Benchmark este conceput pentru a măsura dacă aceste capacități se traduc în decizii solide și reale în descoperirea medicamentelor, în loc de performanțe puternice în sarcini abstracte.
Progresele rapide ale AI au făcut ca întrebarea să fie mai urgentă ca niciodată: aceste modele pot descoperi cu adevărat medicamente? De mai bine de un deceniu, am construit și validat AI generativ pe întreaga lanț de valoare a descoperirii medicamentelor, nominalizând 31 de candidați preclinici în șase ani și avansând un medicament descoperit și proiectat prin AI în faza III. DDD Benchmark transformă această experiență reală într-un etalon riguros și standardizat pe care întreg domeniul îl poate utiliza.
DDD Benchmark se bazează pe platforma Pharma.AI a Insilico și pe MMAI Gym, mediul post-antrenament al companiei pentru AI științific. De la înființare, Insilico a nominalizat 31 de candidați preclinici, a primit peste 10 autorizații de medicamente de investigare (IND) și a comprimat timpul necesar pentru nominalizarea PCC la aproximativ 12 până la 18 luni, comparativ cu 2,5 până la 4 ani, tipic pentru descoperirea tradițională a medicamentelor. Programul său principal, Rentosertib (ISM001-055), este un inhibitor TNIK descoperit și proiectat prin AI, aflat acum în dezvoltare în faza III pentru IPF.
BaaS-ul DDD este disponibil acum.
