Las Investigadoras Buscan Mejorar el Papel de la IA en la Química

Los investigadores están trabajando para entender cómo la Inteligencia Artificial (IA) toma decisiones para mejorar su uso en la química, especialmente en el desarrollo de medicamentos. Nuevas investigaciones sobre este tema serán presentadas en la reunión de otoño de la Sociedad Americana de Química, del 18 al 22 de agosto. La reunión contará con más de 10,000 presentaciones sobre diversos temas científicos.

Hoy, la Sociedad Americana de Química anunció en un comunicado de prensa que los investigadores presentarán hallazgos sobre el uso de la Inteligencia Artificial Explicativa (XAI, por sus siglas en inglés) para entender cómo la IA toma decisiones en química. Al desmitificar estos sistemas complejos, los expertos buscan aumentar la confianza y mejorar la efectividad de la IA.

Rebecca Davis, una profesora de química, explica que los modelos actuales de IA a menudo se ven como “cajas negras”, con sus procesos de toma de decisiones ocultos. Ella afirma: “Si podemos encontrar modelos que ayuden a proporcionar algo de visión sobre cómo la IA toma sus decisiones, podría hacer potencialmente que los científicos se sientan más cómodos con estas metodologías”.

Además, XAI puede proporcionar información valiosa para refinar la programación de la IA y mejorar su rendimiento en el campo. “Quiero usar XAI para entender qué información necesitamos enseñarle a los ordenadores sobre química”, dice Hunter Sturm, un estudiante de posgrado en el laboratorio de Davis que presenta el trabajo en la reunión.

Las investigadoras comenzaron alimentando bases de datos de moléculas de medicamentos conocidos en un modelo de IA diseñado para predecir la actividad biológica de un compuesto. Para comprender el proceso de toma de decisiones del modelo, emplearon un modelo de XAI desarrollado por el colaborador Pascal Friederich en el Instituto de Tecnología de Karlsruhe en Alemania.

Esto les permitió identificar las características moleculares específicas que influían en las predicciones de la IA. Al analizar estos factores, Davis y Sturm obtuvieron perspectivas sobre los criterios de la IA para categorizar moléculas y determinar su potencial como candidatos a medicamentos.

Los hallazgos preliminares sugieren que XAI puede detectar cosas que los humanos podrían pasar por alto, ya que puede analizar muchas más variables a la vez.

Por ejemplo, al analizar moléculas de penicilina, la IA descubrió algo inesperado. Los científicos generalmente creen que la estructura central de la penicilina es crucial para sus propiedades antibióticas. Sin embargo, Davis explicó que el XAI identificó las partes unidas a este núcleo como el factor clave para determinar la actividad antibiótica de la molécula. Ella afirma que esto podría explicar por qué algunas versiones modificadas de penicilina con la misma estructura central son menos efectivas.

Como siguiente paso, los investigadores planean colaborar con un laboratorio de microbiología para crear y probar posibles compuestos antibióticos identificados por los modelos de IA mejorados. Su objetivo final es utilizar la IA para desarrollar antibióticos nuevos y más efectivos que puedan combatir la creciente amenaza de la resistencia a los antibióticos.

En una presentación, Davis declara, “El aprendizaje automático ahora nos ofrece la oportunidad de hacer esto a una escala mucho mayor, donde es probable que veamos tendencias que nunca hemos visto en el comportamiento químico y nos permitirá crear moléculas y materiales a un ritmo mucho más rápido que nunca en la historia”.

A medida que la IA continúa evolucionando, la transparencia y la comprensión son esenciales para fomentar la confianza tanto pública como científica. Al desentrañar las complejidades de la IA, los científicos están logrando avances para aprovechar su potencial total en beneficio de la sociedad.