Deloitte Constrói Pipelines de Descoberta de Medicamentos com IA Generativa em Poucos Cliques

Como potência de pesquisa do maior provedor de serviços de consultoria do mundo, o Centro de Pesquisa Integrada da Deloitte^[1] se dedica a explorar oportunidades transformadoras em todos os setores. Com uma forte ênfase na área da saúde, a equipe de pesquisa se propôs a alavancar o potencial da IA na aceleração do processo de descoberta de medicamentos. A descoberta de medicamentos é um processo demorado e caro, levando de 10 a 15 anos e custando, em média, mais de US$ 1 a 2 bilhões para cada novo medicamento a ser aprovado para uso clínico. Esses custos são acompanhados por uma assustadora taxa de falha de 90%^[2]. Diante disso, a equipe da Deloitte reconheceu a necessidade de modelos pré-clínicos aprimorados, validação rigorosa de alvos e estratégias aprimoradas de tomada de decisão antes de embarcar em ensaios clínicos. Seu objetivo era reduzir significativamente a taxa de testes malsucedidos, melhorando a jornada de desenvolvimento de medicamentos.

¹ Deloitte. Deloitte Ranked No. 1 Consulting Service Provider Worldwide by Revenue in Gartner® Market Share Report. July 2023.

² NIH National Library of Medicine. Why 90% of Clinical Drug Development Fails and How to Improve It? July 2022.

A previsão da estrutura da proteína visa antecipar como uma proteína se dobrará em sua forma natural, o que é crucial para entender sua função no corpo e identificar alvos potenciais para terapias medicamentosas. A Deloitte desenvolveu o Quartz Atlas AI, um acelerador de descoberta de medicamentos de IA que analisa sequências de aminoácidos (as bases das proteínas) para determinar o melhor método de dobramento, que pode ser dado por um modelo de linguagem de proteína ou um método de dobra. Esse processo gera rapidamente estruturas 3D e prevê como os medicamentos podem se ligar a partes específicas da proteína. Um modelo de IA generativa refina ainda mais a estrutura da proteína ou molécula para identificar regiões dentro dela que provavelmente interagem com medicamentos (sobrepondo um mapa de calor de hotspots medicamentosos), ajudando nos esforços de desenvolvimento de medicamentos.  

"Para reunir com sucesso dados e pipelines científicos, combinamos os microsserviços BioNeMo da NVIDIA para previsão de estrutura otimizada e os modelos de IA generativa proprietários da Deloitte, que são treinados com DGX Cloud no Oracle Cloud Infrastructure", disse Ferrante. "Criamos um gráfico de conhecimento robusto impulsionado por IA generativa com a Atlas AI, carregando mais de uma dúzia de conjuntos de dados, o que equivale a 12 milhões de nós e 97 milhões de links de borda de conexão, totalizando 5 terabytes em volume bruto, pesquisáveis em segundos. Somos capazes de impulsionar essa grande quantidade de dados multimodais em nossos modelos, mapear o espaço da solução, analisar padrões e fazer previsões. A capacidade de treinar com conjuntos de dados extensos e escalar de forma eficiente foi possível aproveitando o DGX Cloud e sua capacidade de facilitar trabalhos de vários nós. O DGX Cloud on OCI nos forneceu acesso à mais recente arquitetura NVIDIA e malha de baixa latência que permitiu o dimensionamento da carga de trabalho em clusters interconectados otimizados para desempenho máximo em nossas cargas de trabalho mais exigentes."

A Deloitte está usando modelos NVIDIA BioNeMo, disponíveis como microsserviços NVIDIA NIM, incluindo AlphaFold2, OpenFold e ESMFold para previsão de estrutura de proteínas, juntamente com MegaMolBART e MolMIM para geração de moléculas. Ao mapear perfeitamente essas moléculas no espaço da solução, elas podem facilmente encontrar moléculas semelhantes com propriedades correspondentes, como toxicidade ou solubilidade. Esse processo meticuloso é crucial na descoberta de fármacos, facilitando a seleção eficiente de potenciais candidatos, a previsão precisa de segurança e eficácia e a exploração de diversos espaços químicos. Para obter mais insights, a Deloitte ajustou um modelo ESM2 de 15 bilhões de parâmetros para prever propriedades de proteínas na DGX Cloud, que foi utilizado por um modelo downstream para gerar novas sequências de proteínas com propriedades específicas desejadas.

Ferrante comentou: "No campo da biologia, muitos profissionais não querem lidar com os meandros da infraestrutura e escrever código. No entanto, o aproveitamento das ferramentas e do software dentro da DGX Cloud simplificou esse processo. Com apenas alguns cliques, nossos desenvolvedores podem selecionar um contêiner e acessar um notebook, eliminando a necessidade de proteger o Shell diretamente nos nós. Ao nos permitir executar facilmente vários experimentos em comparação com nossa solução anterior com grande visibilidade na fila de trabalhos, o DGX Cloud aumentou a produtividade do desenvolvedor em 50%."

"Devido à escala de nossos conjuntos de dados, o treinamento de vários nós foi crucial. Anteriormente, orquestrar o treinamento de vários nós era um processo manual, e nunca havíamos tentado isso em uma plataforma de nuvem. Com o DGX Cloud, o treinamento de vários nós agora é tão fácil quanto clicar em um botão, economizando de 7 a 10 meses de trabalho de infraestrutura e ferramentas que incluíam configuração de hardware, criação de contêiner e distribuição de carga de trabalho. Como resultado, nossos modelos não são mais limitados por tamanho ou escala de dados, e nossas corridas de treinamento foram reduzidas de quatro semanas para apenas oito horas."

"Anteriormente, construir o pipeline de descoberta de medicamentos era um processo trabalhoso, exigindo que fizéssemos engenharia reversa meticulosamente e depurássemos cada linha de código, enquanto rastreávamos alterações e gerenciamos várias versões. Antes levava de quatro a seis semanas para montar um pipeline, mas agora, com apenas alguns cliques, podemos mergulhar diretamente nos projetos. Graças à escalabilidade dos modelos BioNeMo e à facilidade de implantação através do NVIDIA NIM, as tarefas de pesquisa e desenvolvimento tornaram-se muito mais suaves. O ajuste fino dos modelos de base da BioNeMo no DGX Cloud e a implementação de um loop de inferência fortaleceram ainda mais a robustez do pipeline", disse Ferrante.

"Com a Atlas AI em vigor, a Deloitte pode fornecer aos usuários pipelines científicos para obter insights acionáveis combinando vários modelos juntos. Por exemplo, em vez de apenas dobrar uma molécula ou calcular uma propriedade, ele pode fornecer um relatório abrangente contendo estruturas ou propriedades dobradas, equipando os usuários com todas as informações necessárias para tomar decisões informadas sobre a viabilidade de uma solução. Também pode mostrar relações entre estruturas de proteínas graficamente e suas conexões, ajudando ainda mais na compreensão de interações moleculares complexas."

Além de uma plataforma poderosa, a equipe única de especialistas dos Serviços Empresariais NVIDIA foi inestimável. "Nós aproveitamos o suporte de ponta a ponta da NVIDIA, que vai desde assistência de plataforma para configuração de treinamento de vários nós e atualizações de contêiner até orientação em nível de aplicação, aproveitando sua ampla experiência em frameworks e modelos da área de saúde para otimizar nossos modelos de IA de forma eficaz", disse Ferrante.

"Uma das aplicações diretas da Atlas AI foi a capacidade de usarmos IA para tomar medicamentos aprovados pela FDA e projetar in silico uma versão melhor e patenteável da molécula. Agora podemos carregar todos os medicamentos que foram patenteados e todos os que foram aprovados pelo FDA. Nosso modelo treinado nos permite identificar potenciais compostos de partida com ligação de alvo estabelecida. Encontrar fármacos viáveis é extremamente desafiador devido ao grande número de compostos potenciais e à necessidade de propriedades específicas, tornando-se semelhante à solução de um complexo problema de otimização. MolMIM, parte da NVIDIA BioNeMo e disponível como um microsserviço NIM, ajuda nossos pesquisadores a encontrar moléculas com as propriedades ideais para o desenvolvimento de medicamentos, maximizando uma função de pontuação definida pelo usuário. Usando MolMIM, geramos novos compostos, que são otimizados para vários aspectos moleculares, como ligação aprimorada, permeabilidade intestinal, solubilidade e meia-vida prolongada", acrescentou Ferrante.

A Deloitte planeja aprimorar ainda mais a IA do Atlas, integrando-a a várias aplicações da área da saúde e ciências da vida, como medicina de precisão e percepção de voz do paciente, para melhorar o envolvimento do paciente e otimizar os resultados da área da saúde. "Aproveitando o BioNeMo e o DGX Cloud, podemos estabelecer perfeitamente um pipeline de treinamento padronizado para diversos domínios, permitindo-nos ajustá-lo para classes específicas de proteínas ou previsões de estrutura de anticorpos sem esforço", disse Ferrante.