Abans que un fàrmac arribi a un assaig clínic, cal predir com l'absorbirà el cos, com es distribuirà, com el metabolitzarà, com l'excretarà i si serà tòxic: és el que als laboratoris en diuen ADMET, i és un dels colls d'ampolla clàssics del descobriment de medicaments. Un equip amb participants de diverses universitats i centres de recerca xinesos i nord-americans ha presentat ADMET-EvO, un agent d'IA dissenyat perquè, en lloc de limitar-se a entrenar un model i prou, formuli hipòtesis concretes sobre com millorar la seva pròpia predicció, les posi a prova i vagi arrossegant els resultats —confirmats, descartats o no concloents— cap a la ronda següent.
Posat a prova sobre les 22 tasques del Therapeutics Data Commons (TDC), el banc de proves de referència del sector per a aquest tipus de predicció, ADMET-EvO ha obtingut una puntuació normalitzada de 96,77, la més alta registrada fins ara en aquest conjunt de tasques. La selecció guiada per evidència que fa servir el sistema també ha permès retallar un 72,2% el temps acumulat de càlcul respecte als mètodes que ajusten els seus paràmetres a cegues, sense perdre precisió per sota del marge que els mateixos autors havien fixat com a tolerable. De pas, el sistema ha formalitzat 43 tasques relacionades amb la toxicitat i n'ha construït prediccions específiques per a cadascuna.
La importància de l'estudi no és només la xifra rècord, sinó el mètode: demostra que un agent capaç d'auditar les seves pròpies decisions —quines dades fer servir, quines variables afegir, quin model provar— pot anar ampliant per si sol l'abast de la seva recerca sense perdre's en falses pistes, un problema recurrent quan s'automatitza la ciència. Per a la indústria farmacèutica, reduir en tres quartes parts el temps de càlcul en una fase tan cara com la predicció ADMET es tradueix en poder descartar més ràpid els compostos que no funcionaran.
El treball és un preprint pendent de revisió per parells, els resultats es limiten al banc de proves TDC i als seus 22 conjunts de dades, i els autors no detallen com es comportaria el sistema amb famílies de molècules molt diferents de les que ja conté aquest banc de proves; com sol passar amb els bancs de proves estàndard, un rendiment rècord en aquest conjunt no garanteix per si sol un èxit igual de net quan s'apliqui a un projecte real de descobriment de fàrmacs.