La serendipia, ese milagro de realizar descubrimientos fortuitos, ha sido considerada desde hace tiempo como un motor esencial para la innovación. Algunos de los más famosos han sido la vacuna contra la viruela (incluida la idea misma de la vacuna), los rayos X y la penicilina.
Sin embargo, a pesar de lo innovadores que pueden ser estos hallazgos, confiar únicamente en descubrimientos casuales no es un enfoque sostenible para impulsar el crecimiento y el progreso. Afortunadamente, los avances recientes en inteligencia artificial (IA) han inspirado una mejor manera de descubrir los eslabones ocultos que pueden conducir a grandes descubrimientos: la búsqueda semántica.
En nuestro último blog, exploramos cómo la integración perfecta de un motor de búsqueda semántica en los flujos de trabajo de investigación y desarrollo ofrece la promesa de acelerar la medicina de precisión. En esta publicación, profundizaremos en cómo la búsqueda semántica y las tecnologías de vanguardia relacionadas pueden fomentar la innovación al promover la serendipia organizada.
La búsqueda de una mejor búsqueda
Hasta hace aproximadamente una década, la única forma de buscar a través de vastos conjuntos de datos digitales era una técnica conocida como búsqueda "léxica". Los motores de búsqueda buscaban coincidencias literales de los términos de búsqueda: duplicados letra por letra o variaciones comunes. Por ejemplo, es posible que obtenga coincidencias que incluyan el nombre "Sue" si busca "Susan". Pero mientras que un motor de búsqueda léxico puede reconocer palabras al hacer coincidir secuencias de letras, no entiende el significado detrás de las palabras.
Esta innovación transformó la búsqueda ya que hizo posible que las computadoras comprendieran mejor el lenguaje humano natural. Escribe la frase "I'll be back" en un motor de búsqueda hoy y no solo obtendrás resultados relacionados con Arnold Schwarzenegger y la película The Terminator. El motor también sabrá que estas palabras icónicas tienen algo en común con "Hasta la vista, baby", "Go ahead, make my day" y "Houston, we have a problem".
De esta manera, la búsqueda semántica ayuda a Google a darnos más de las respuestas que realmente estamos buscando. Sin embargo, el nivel de búsqueda semántica es limitado desde el punto de vista de la investigación. Trabajar un entorno más fértil para la innovación en la investigación farmacéutica requiere una aplicación aún más exhaustiva de esta tecnología.
Revolución de la búsqueda y el descubrimiento semántico
Las formas avanzadas de búsqueda semántica están comenzando a potenciar a las organizaciones de I y D para lograr nuevos y emocionantes avances, al tiempo que reducen el tiempo necesario para buscar y analizar información. Aprovechar la IA explicable, el procesamiento del lenguaje natural y una rica base de conocimientos puede ayudar a los investigadores a identificar y conectar puntos de datos aparentemente no relacionados, y transformar hallazgos inesperados en información y oportunidades valiosas.
"Estamos entusiasmados por trabajar con Biomax para gestionar y compartir conocimientos de manera efectiva en nuestra comunidad de ciencia e innovación", afirma Dorus van der Linden, jefe de Gestión e Intercambio de Conocimientos de DSM, una empresa especializada en salud y nutrición con sede en los Países Bajos.
"En base a nuestra búsqueda de palabras clave convencional anterior, solo obtuvimos el 45 % frente al 95 % de nuestros documentos de I y D con la plataforma de búsqueda semántica de Biomax. El conocimiento, que de otro modo estaría oculto y desconectado, ahora es accesible para nuestros científicos y esto nos ahorra tiempo y recursos a la hora de recopilar información relevante", agrega van der Linden.
Resultados como estos son posibles gracias a la integración de datos estructurados y no estructurados semánticamente de una amplia variedad de fuentes, incluidas iniciativas de investigación patentadas, documentación científica, bases de datos de patentes y ensayos clínicos, así como bases de datos externas como ChEMBL, PubChem, UniProtKB, PDB y Open Targets. Esta extensa integración de datos permite a las organizaciones aprovechar un vasto conjunto de conocimientos, y de esta manera acelerar los ciclos de desarrollo y mejorar la calidad de sus productos y servicios.
Descubrimiento de conexiones ocultas con grafos de conocimiento
Los grafos de conocimiento especializados diseñados específicamente para la investigación se encuentran en el centro de los enfoques innovadores para fomentar la serendipia organizada. Estos grafos son redes estructuradas e interconectadas de conceptos, entidades y relaciones que representan el conocimiento del mundo real en un formato legible por máquina. Los grafos de conocimiento permiten a los usuarios descubrir patrones, establecer conexiones y obtener nuevos conocimientos a partir de puntos de datos aparentemente no relacionados.
Los grafos de conocimiento sirven como herramientas avanzadas para la integración semántica ya que proporcionan un mapa completo del panorama contextual y permiten conectar fuentes de datos dispares. El resultado es un grafo de conocimiento global en continuo crecimiento que revela las relaciones semánticas entre varios puntos de datos, lo que permite a los investigadores inferir conocimiento oculto a partir de información explícita.
Reducción de la brecha entre los datos y el conocimiento
El poder de un grafo de conocimiento se mejora aún más cuando se utiliza como una "capa semántica" que se encuentra por encima de diversos flujos de datos, lagos de datos y almacenes de datos. Esta capa semántica funciona como un sistema de gestión de metadatos, que proporciona identidad, clasificación y contextualización para todos los puntos diferentes de estas fuentes.
La capa semántica desempeña un papel fundamental a la hora de permitir a los usuarios finales tener acceso a la información correcta en el momento correcto en grandes cantidades de datos empresariales y públicos a través de capacidades de consulta y respuesta a preguntas. Al adherirse a los principios de datos FAIR (localizables, accesibles, interoperables y reutilizables), la capa semántica facilita la reutilización de los activos digitales que normalmente se recopilan en las ciencias biológicas, lo que permite el rápido desarrollo de aplicaciones dedicadas para casos de uso especializados y la creación de data marts analíticos comprensibles para el procesamiento posterior.
Fomento de la serendipia organizada con un motor de innovación
LabVantage Biomax está achicando la brecha entre el valor actual que las organizaciones de I y D obtienen de los datos y el valor potencial que pueden lograr con AILANI (Artificial Intelligence LANguage Interface), una plataforma de búsqueda e integración semántica.
Al integrar datos estructurados y no estructurados de una multitud de fuentes, AILANI permite a los investigadores tener acceso a una inmensa base de conocimientos que, de otro modo, sería inaccesible y estaría aislada. La plataforma no se limita al análisis de texto: también se puede extraer información de cuadros, gráficos, fórmulas químicas y otras imágenes mediante el reconocimiento óptico de estructuras. Su grafo de conocimiento especializado, a su vez, revela las relaciones contextuales entre diferentes puntos de datos, lo que permite a los investigadores establecer conexiones y obtener información a partir de datos aparentemente no relacionados. Los datos no se priorizan por la popularidad, sino que se validan por la cantidad de pruebas de respaldo asociadas a ellos.
La capacidad de la capa semántica para salvar la distancia entre los datos sin procesar y la información procesable amplifica aún más el potencial de serendipia organizada. Al hacer que los conjuntos de datos complejos sean más accesibles y comprensibles, la capa semántica permite a los investigadores descubrir patrones ocultos y tomar decisiones informadas, lo cual impulsa la innovación y el crecimiento.
Con su capa semántica impulsada por grafos de conocimiento, AILANI representa un punto de inflexión en el fomento de la innovación al promover la serendipia organizada. Al aprovechar el poder de las tecnologías de avanzada, como la IA explicable, el procesamiento del lenguaje natural, el reconocimiento óptico de estructuras y la integración semántica, AILANI abre nuevas oportunidades para que las organizaciones saquen el máximo rendimiento de conexiones inesperadas y conocimientos imparciales.
Para obtener más información sobre AILANI, vea este breve video introductorio. Si está listo para recibir el futuro de la toma de decisiones basada en datos, contáctenos hoy.
