Éxito a través de las estadísticas en el descubrimiento de fármacos de alto rendimiento - Graeme Robb - AstraZeneca
[Esta charla se presentó en la reunión del grupo de usuarios JMP del Reino Unido el 13 de julio de 2017]
En las décadas de 1980 y 1990, las empresas de descubrimiento de fármacos invirtieron masivamente en tecnologías de High Throughput Screening (HTS), lo que permitió que millones de compuestos se examinaran rápidamente. Este ha demostrado ser un enfoque ingenuo. Al parecer, más grande no es mejor y la inversión en HTS no ha generado una tasa más alta de aprobaciones de medicamentos en los años intermedios. Lo que ahora nos damos cuenta es que la cantidad es quizás menos importante que la calidad. La "validez predictiva" de un ensayo adecuado para HTS está necesariamente comprometida y puede no relacionarse directamente con el fenotipo de la enfermedad de interés. Las altas tasas de falsos positivos y el ruido dificultan la identificación de los verdaderos positivos. Comprender nuestros datos y utilizar técnicas estadísticas ayuda a mejorar nuestra capacidad para reconocer falsos positivos. El aprendizaje estadístico de campañas de HTS anteriores se utiliza para mejorar los resultados y detectar aún más los falsos positivos sistemáticos. En el futuro, enfrentaremos más desafíos de escala y validez predictiva en los que las estadísticas, el modelado y el aprendizaje automático se pueden utilizar en nuestro beneficio.
