Drug repurposing por ML

Contexto

Laboratório farmacêutico investindo 2 bi€/ano em P&D com uma taxa de sucesso das moléculas de 10% (da fase 1 à comercialização). O tempo médio de desenvolvimento de uma nova molécula é de 10 anos. A identificação de novas indicações para moléculas existentes (drug repurposing) é uma estratégia para reduzir custos e acelerar a entrada no mercado.

Problema & Desafio

Custo de desenvolvimento de uma nova molécula: 2 bilhões de euros em 10 anos com 90% de taxa de fracasso. Drug repurposing tradicionalmente baseado em observações clínicas fortuitas: não sistemático. Base de conhecimento científico massiva (30M+ publicações PubMed) impossível de analisar manualmente. Interações moleculares complexas: os especialistas humanos não conseguem identificar todos os alvos potenciais. Concorrência intensa: o primeiro a identificar um repurposing viável ganha uma vantagem de 5-10 anos.

Solução & Entregas

Modelo ML de reposicionamento de moléculas combinando graph neural networks e NLP na literatura científica. Knowledge graph integrando moléculas, alvos, patologias, interações, efeitos colaterais e dados clínicos. Scoring de probabilidade de sucesso para cada par molécula-indicação com explicabilidade dos mecanismos. Priorização dos candidatos: top 10 oportunidades classificadas por probabilidade de sucesso e tamanho de mercado. Validação cruzada: confrontação das previsões ML com os dados de ensaios clínicos existentes. Sistema operado e monitorado continuamente pela equipe Bomzai.

Tecnologias