DEEP LEARNING IN DRUG DISCOVERY AND DIAGNOSTICS MARKET ANÁLISE

A aprendizagem profunda é o aprendizado de máquina que analisa grandes volumes de dados rotulados e não rotulados, juntamente com dados multidimensionais e complexos com padrões não triviais. É touted para ser um substituto para a engenharia de recursos manuais com a aprendizagem de recursos não supervisionada. O fluxo maciço de dados multimodal nos últimos tempos requer ainda mais o uso de inteligência artificial para análise de dados em sistemas de informação em saúde. Isso, por sua vez, impulsionou o aumento na implantação de geração de modelos analíticos orientados a dados, que são baseados em aprendizado de máquina em informática de saúde. Espera-se que este seja um dos fatores vitais que apoiam o crescimento da aprendizagem profunda no mercado de descoberta e diagnóstico de drogas no futuro próximo. A aprendizagem profunda no mercado de descoberta e diagnóstico de drogas é uma técnica próxima profundamente enraizada em redes neurais artificiais e é esperado para ganhar tração no futuro próximo. Espera-se que evolua como uma importante ferramenta de aprendizagem profunda sobre o sistema de informação em saúde e seria utilizado para reestruturar o futuro do setor de saúde e inteligência artificial. Desenvolvimentos rápidos em operações baseadas em computador e armazenamento de dados eficiente e rápido também estão contribuindo para a rápida absorção da tecnologia. A técnica gera automaticamente recursos ótimos de alto nível com interpretação efetiva de dados de entrada semântica, o que é esperado para apoiar o crescimento da aprendizagem profunda no mercado de descoberta e diagnóstico de drogas durante o período de previsão (2016-2024).

Deep Learning in Drug Discovery and Diagnostics Market Taxonomy:

Por aplicação

• Descoberta de Drogas
• Diagnóstico
• Intervenções forenses
• Outros

Por indústria de uso final

• Empresas farmacêuticas
• Empresas de Biotecnologia
• Organizações de Pesquisa de Contratos
• Cuidados de saúde

Espera-se que a provisão de redução do intervalo de tempo na descoberta de drogas suprima o crescimento da aprendizagem profunda no mercado de descoberta e diagnóstico de drogas:

Convencionalmente, a descoberta de drogas e o desenvolvimento de drogas foram considerados um processo complexo e demorado. Várias abordagens analíticas estão sendo usadas para aprofundar os desenvolvimentos. Métodos mais recentes como mineração de dados, modelagem de homologia, aprendizado de máquina convencional e sua técnica de ramo biologicamente inspirada, aprendizagem profunda são as fontes para métodos de descoberta de drogas de próxima geração. A razão acima mencionada é projetada para alimentar a taxa de crescimento de aprendizagem profunda no mercado de descoberta e diagnóstico de drogas. Além disso, organizações de saúde e ciências da vida estão aproveitando inteligência artificial e abordagem de aprendizagem profunda para melhorar seu portfólio de produtos.

Empresas farmacêuticas e outros fabricantes de drogas estão se concentrando na integração na aprendizagem profunda na descoberta e diagnóstico de drogas para introduzir novos tratamentos para lidar efetivamente com o aumento da carga de doenças. Isso ajudaria a garantir que as drogas potenciais atacassem a fonte de qualquer doença, juntamente com a satisfação de restrições metabólicas e tóxicas restritivas. Como mencionado anteriormente, a descoberta de drogas envolve um investimento significativo de tempo e recursos, e o resultado é bastante incerto. A aprendizagem profunda na descoberta de drogas e diagnósticos desempenha um papel fundamental no aumento da probabilidade de obter um resultado bem sucedido. Espera-se que este seja um condutor crucial para a aprendizagem profunda no mercado de descoberta e diagnóstico de drogas durante o período de previsão.

A ascensão em número de aplicação é projetada para favorecer o crescimento da aprendizagem profunda no mercado de descoberta e diagnóstico de drogas:

A aprendizagem profunda global no mercado de descoberta de drogas e diagnósticos é consolidada, com os principais jogadores que ocupam a quota máxima devido à sua vasta experiência no assunto da inteligência artificial, alcançada através de vários anos de pontuação de estudos intensivos. Os jogadores no mercado estão desenvolvendo novas técnicas para entender a natureza dos biomarcadores de diagnóstico e descoberta de drogas através de grandes gastos em R&D. Por exemplo, a Google Inc. está fazendo incursões significativas na melhor compreensão dos hábitos diários de saúde e bem-estar para alcançar as preocupações globais de saúde da melhor maneira possível.

Os principais players que operam na aprendizagem profunda no mercado de descoberta e diagnóstico de drogas incluem Google Inc., IBM Corp., Microsoft Corporation, Qualcomm Technologies, Inc., General Vision Inc., Insilico Medicine, Inc., NVIDIA Corporation, Zebra Medical Vision, Inc., Enlitic, Ginger.io, MedAware e Lumiata.

Principais desenvolvimentos

Espera-se que as atividades de pesquisa e desenvolvimento relacionadas à aprendizagem profunda na descoberta e diagnóstico de drogas aumentem o crescimento do mercado. Por exemplo, em 2 de setembro de 2019, a Insilico Medicine Hong Kong Ltd. relatou o desenvolvimento de um modelo generativo profundo, a aprendizagem de reforço tensorial generativo (GENTRL), para o design de pequena molécula de novo. GENTRL foi usado para descobrir inibidores potentes do receptor de domínio de desconidina 1 (DDR1), um alvo de quinase implicado em fibrose e outras doenças, em 21 dias.

Os principais intervenientes no mercado estão focados em adotar estratégias de colaboração e parceria para entrar no mercado emergente. Por exemplo, em fevereiro de 2019, Juvenescence AI, Ltd., uma empresa de desenvolvimento de drogas focada no combate ao envelhecimento e doenças relacionadas à idade, colaborou com NetraMark Corp., uma empresa que utiliza algoritmos de aprendizado de máquina para redesenhar drogas fracassadas, para formar uma joint venture, NetraPharma.

Os principais intervenientes no mercado também estão focados em angariar fundos para apoiar o seu desenvolvimento de produtos. Por exemplo, em agosto de 2019, a Verisim Life, Inc., uma startup de biotecnologia baseada nos EUA que usa biosimulações movidas por IA para substituir testes de drogas animais, anunciou que arrecadou US$ 5,2 milhões em uma rodada de financiamento liderada pela Serra Ventures e pela OCA Ventures.