En los últimos 20 años, los avances en inteligencia artificial (IA), específicamente en el aprendizaje automático, han transformado nuestra forma de abordar la investigación científica. Desde el mapeo de secuencias del genoma y el descubrimiento de nuevos antibióticos hasta la modelización de los impactos del cambio climático en la Tierra, e incluso el mapeo de la galaxia en la búsqueda de otros planetas similares a la Tierra, la IA está transformando la investigación en multitud de disciplinas.
La química es una de las áreas científicas que está dando grandes pasos en la adopción de la IA. Nuestro último informe técnico, "Inteligencia artificial en química: panorama actual y oportunidades futuras", explora la conexión entre la IA y la química utilizando nuestras propias tecnologías para mapear el panorama de publicaciones y patentes. Hemos descubierto las áreas de la química que lideran el campo con la IA y aquellas con un gran potencial aún por explotar mediante la adopción de esta tecnología.
¿Dónde ha crecido la IA en la química?
El número de publicaciones y patentes de química que involucran IA se ha disparado, observándose un aumento de seis veces en el período de 2015 a 2020. Hemos identificado las principales disciplinas que contribuyen a las publicaciones y patentes relacionadas con la IA, y las hemos comparado para comprender qué áreas están capitalizando esta tecnología emergente. Las disciplinas que lideran la adopción de la IA incluyen la química analítica, la bioquímica y la química industrial e ingeniería química, mientras que las áreas con oportunidades para la adopción de la IA incluyen los productos naturales y la química orgánica (Figura 1).
Exploramos las relaciones entre estas publicaciones y patentes desde 2000 hasta 2020 para comprender cómo el uso de la IA ha ayudado a los investigadores a resolver problemas (Figura 2). Por ejemplo, entre principios de la década de 2000 y 2014, el enfoque de las publicaciones y patentes de IA pasó de explorar diagnósticos de enfermedades en humanos a los algoritmos genéticos y su aplicación al descubrimiento de fármacos y microARN.
Más recientemente, a medida que han cambiado los tipos de problemas que requieren soluciones, las publicaciones y patentes se han desplazado más hacia la metilación del ADN y el cáncer. Aún más recientemente, el enfoque ha tendido hacia el descubrimiento de fármacos relacionados con la COVID-19.
Como era de esperar, nuestra investigación también identificó que las moléculas pequeñas fueron el mayor foco de las publicaciones y patentes de IA analizadas. Estas abarcan temas de descubrimiento de fármacos, retrosíntesis y optimización de reacciones, lo que refleja dónde suele haber más inversión por parte de las empresas farmacéuticas.
¿Dónde están las oportunidades para el aprendizaje automático en la química?
En nuestro análisis de más de 70 000 publicaciones, examinamos las contribuciones interdisciplinarias, observando las disciplinas primarias y secundarias (Figura 3). Esto nos permitió trazar cada disciplina en un mapa de calor, en el que la intensidad del color refleja la fuerza de la contribución de cada disciplina. De un vistazo, podemos ver las áreas de estudio dentro de la química que lideran el camino con la IA y aquellas con potencial no realizado.
Por ejemplo, las publicaciones multidisciplinarias son más comunes en la química analítica y la bioquímica, donde se utilizan algoritmos de aprendizaje automático para mejorar el análisis de proteínas, péptidos, lípidos y ácidos nucleicos, así como para predecir reacciones químicas o incluso descubrir nuevas moléculas. La IA también se utiliza ampliamente en la ciencia de materiales y la química física, donde ambas disciplinas tienen como objetivo predecir materiales funcionales, relaciones estructura-propiedad y la optimización de procesos químicos.
Las barreras para adoptar la IA en la química
Expertos destacados analizaron los posibles obstáculos para la adopción de la IA en nuestro seminario web, Inteligencia Artificial en Química: Tendencias actuales y oportunidades futuras. Identificaron tres barreras clave para adoptar la IA en el ámbito químico:
Calidad de los datos: Las predicciones óptimas dependen de conjuntos de datos sólidos y de alta calidad que proporcionen ejemplos tanto positivos como negativos para el entrenamiento. El acceso, la normalización y la preparación de los datos suponen hoy un desafío importante para muchas organizaciones.
Tecnología: Aunque se están realizando mejoras en la potencia de cálculo (enfoques cuánticos y basados en la nube), todavía existen limitaciones percibidas desde la perspectiva del usuario. Sin embargo, los avances actuales en software e interfaces de usuario eliminan los requisitos de programación, permitiendo que más científicos utilicen el aprendizaje automático en sus investigaciones.
Escasez de talento: La ciencia de datos presenta una falta de talento bien documentada, y es posible que los químicos no comprendan lo accesible que es la IA hoy en día. Fomentar la colaboración entre la química y otras disciplinas científicas puede ayudar a acelerar la integración de la IA.
Una oportunidad para el crecimiento del aprendizaje automático en la química
La IA y los conjuntos de datos de entrenamiento se están utilizando para resolver problemas e innovar en instituciones científicas de todo el mundo, lo que representa una oportunidad significativa para el análisis de datos y el descubrimiento de fármacos.
Nuestro reciente informe técnico ha revelado varias áreas de la química que podrían beneficiarse de la inversión en tecnología de IA. Las barreras de adopción nunca han sido tan bajas y socios como CAS pueden facilitar el acceso a grandes conjuntos de datos de calidad para su análisis. Es posible resolver algunos de los problemas más urgentes y avanzar significativamente más allá de lo que permite el análisis de datos tradicional mediante la incorporación de la inteligencia artificial a la investigación científica.
Descubra todo sobre nuestro análisis y las conclusiones que hemos obtenido leyendo nuestro informe técnico, o póngase en contacto con CAS si tiene alguna pregunta sobre cómo la tecnología de IA puede respaldar su investigación.
