Recientemente, el avance de la inteligencia artificial (IA) ha mostrado un notable progreso en el ámbito del descubrimiento de fármacos, especialmente con la implementación de sistemas autónomos basados en Modelos de Lenguaje de Gran Tamaño. En este contexto, se ha llevado a cabo un desafío conocido como “DO Challenge”, diseñado para evaluar la capacidad de los sistemas autónomos en identificar estructuras moleculares prometedoras a partir de un extenso conjunto de datos.

El DO Challenge buscaba poner a prueba la habilidad de los agentes para navegar en el espacio químico, seleccionar modelos predictivos y gestionar recursos limitados, todo en un entorno simulado de descubrimiento de fármacos. Los equipos humanos mostraron diversas estrategias, desde el uso de modelos de aprendizaje activo hasta la aplicación de arquitecturas atencionales.

Un punto destacado del desafío fue la participación del sistema multi-agente “Deep Thought”, que superó el rendimiento de la mayoría de los equipos humanos, aunque aún quedó por detrás de las soluciones diseñadas por expertos. Entre los modelos lingüísticos probados, Claude 3.7 sobresalió en las pruebas primarias.

Los resultados del desafío resaltaron las capacidades y limitaciones actuales de las metodologías impulsadas por IA en transformar el descubrimiento de fármacos. Aunque el desempeño de los agentes resulta prometedor, todavía está lejos de igualar completamente la capacidad de los expertos humanos, especialmente en condiciones más realistas y complejas.

Con el propósito de continuar avanzando en este ámbito, se prevé que los futuros desarrollos se centren en mejorar la estabilidad y la eficiencia de estos sistemas autónomos. En conclusión, aunque el potencial de la IA en el campo farmacológico es innegable, queda un largo camino para asegurar que estas tecnologías puedan operar de manera autónoma a un nivel competitivo.