Como as limitações de dados impedem a inteligência artificial em P&D farmacêutico — e como as organizações podem reverter essa tendência

A maioria das equipes farmacêuticas assume que a inteligência artificial tem um desempenho inferior porque os modelos não são avançados o suficiente. O verdadeiro obstáculo são os dados.

Projetos-piloto de inteligência artificial geralmente parecem promissores, mas não conseguem escalar. As informações científicas são dispersas, inconsistentes e trabalhosas para limpar. À medida que os programas de P&D crescem, essas lacunas de dados se acumulam, o que retarda a implementação de modelos, enfraquece as previsões e leva os cientistas a uma triagem constante de dados em vez de descobertas.

Este relatório técnico oferece aos leitores uma visão clara das condições de dados necessárias para que a inteligência artificial forneça resultados confiáveis em biologia, química e farmacologia. Ele mostra como corrigir a base de dados melhora a precisão do modelo, elimina o retrabalho e remove o atrito que impede a escalabilidade da inteligência artificial.