🤖 machine learning

ScreenShot: A Foundation Model for Few-Shot Combination Drug Screening

ScreenShot es un modelo fundacional de transformador jerárquico que aprovecha el aprendizaje en contexto en 40 conjuntos de datos de cribado de fármacos para predecir con precisión las respuestas de los pacientes a las terapias combinadas utilizando solo un contexto funcional de pocos disparos, eliminando la necesidad de perfiles moleculares o ajuste fino y permitiendo un diseño experimental rentable mediante el aprendizaje activo.

Autores originales: Antoine de Mathelin, Christopher Tosh, Wesley Tansey

Publicado 2026-08-13

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Antoine de Mathelin, Christopher Tosh, Wesley Tansey

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective tratando de resolver un misterio, pero en lugar de huellas dactilares o ADN, tus pistas son pequeñas gotas de líquido y tus sospechosos son miles de medicamentos diferentes. En el mundo del tratamiento del cáncer, los médicos suelen utilizar un "cóctel" de fármacos en lugar de uno solo, porque las células cancerosas son astutas y pueden aprender a resistir a un único atacante. Para encontrar el cóctel perfecto, los científicos normalmente tienen que probar cada mezcla posible de fármacos en las células de un paciente en un laboratorio. Esto es como intentar encontrar una aguja en un pajar sacando cada una de las briznas de paja una por una. Toma una eternidad, cuesta una fortuna y, a menudo, no hay suficiente paja (o células de pacientes) disponible.

Aquí es donde entra la idea de "predecir el futuro". Los científicos han estado construyendo modelos informáticos para adivinar qué mezclas de fármacos funcionarán sin tener que probarlas todas. Pero la mayoría de estos modelos son como estudiantes que solo aprueban un examen si han memorizado el libro de texto específico para esa clase. Necesitan una cantidad masiva de datos biológicos detallados (como el código genético de un paciente) para hacer una suposición. Si esos datos faltan o están desordenados —lo cual sucede con frecuencia con pacientes reales—, estos modelos se confunden. La gran pregunta es: ¿Podemos construir una IA superinteligente que aprenda de todos los experimentos con fármacos jamás realizados, de modo que pueda mirar solo unas pocas pistas de un solo paciente e instantáneamente adivinar el mejor tratamiento, sin necesidad de datos biológicos adicionales?

Entra en escena ScreenShot, una nueva herramienta de IA desarrollada por investigadores del Memorial Sloan Kettering Cancer Center que intenta responder "sí" a esa pregunta. Piensa en ScreenShot no como un estudiante que memorizó un libro de texto, sino como un maestro chef que ha probado millones de platos diferentes. En lugar de necesitar saber la lista exacta de ingredientes (el código genético) de un nuevo plato para adivinar cómo sabe, ScreenShot mira los pocos bocados que ya has tomado y dice: "Ah, basándome en cómo supo esto con sal y pimienta, apuesto a que le iría muy bien el ajo y el tomillo".

Los investigadores construyeron esta IA sobre una enorme "base" de datos, entrenándola con unos 30 millones de mediciones de 40 conjuntos de datos diferentes de cribado de fármacos. Este entrenamiento incluyó aproximadamente 3.700 fármacos diferentes probados en 6.000 muestras biológicas (como células cancerosas cultivadas en un laboratorio o "mini-órganos" de pacientes). La IA aprendió los patrones de cómo los fármacos interactúan con las células simplemente observando los resultados: qué fármaco, a qué dosis, hacía que las células vivieran o murieran.

Aquí está el truco de magia: ScreenShot utiliza una técnica llamada aprendizaje en contexto (in-context learning). Imagina que le muestras a la IA algunos resultados de pruebas de un nuevo paciente (por ejemplo, 50 o 100 experimentos). La IA no necesita ser reentrenada ni "ajustada" para ese paciente específico. En su lugar, utiliza instantáneamente esos pocos ejemplos como una ventana de contexto para predecir los resultados de los miles de combinaciones de fármacos que aún no ha visto. Lo hace directamente sobre los resultados funcionales (¿sobrevivió la célula?) sin necesidad de un perfil genético.

El artículo encuentra que ScreenShot es increíblemente bueno en esto. Cuando se probó en cuatro nuevos conjuntos de datos no vistos anteriormente, superó a todos los métodos anteriores tanto en precisión como en la búsqueda de los "hits" (los éxitos)—las combinaciones de fármacos que realmente matan las células cancerosas mientras dejan intactas a las sanas. De hecho, en algunas pruebas, fue de 5 a 50 veces más rápido que los otros métodos.

Pero los investigadores no se detuvieron solo en la predicción; también enseñaron a ScreenShot a ser un experimentador inteligente. Crearon una estrategia llamada aprendizaje activo (active learning). En lugar de probar fármacos al azar, ScreenShot utiliza sus propias predicciones para decidir qué experimentos realizar a continuación. Es como un detective que, tras entrevistar a unos pocos sospechosos, decide centrarse en los culpables más probables en lugar de entrevistar a toda la ciudad. El artículo muestra que, utilizando esta estrategia inteligente, ScreenShot puede encontrar el mismo número de éxitos de fármacos que una búsqueda aleatoria, pero solo necesita realizar un tercio de los experimentos. Esto significa ahorrar una enorme cantidad de tiempo, dinero y células preciosas de los pacientes.

Una de las cosas más impresionantes de ScreenShot es que funciona incluso cuando el fármaco es nuevo o desconocido para el sistema. Si un fármaco no estaba en sus datos de entrenamiento, ScreenShot utiliza un "token de desconocidos" especial para adivinar su comportamiento basándose en las pocas pistas que tiene del paciente actual, en lugar de fallar por completo.

En resumen, el artículo sugiere que ScreenShot es una nueva herramienta poderosa que puede hacer que el cribado de fármacos sea mucho más eficiente. Sugiere que podemos pasar de métodos costosos, lentos y ávidos de datos hacia un sistema que aprende del pasado para guiar el futuro, ayudando potencialmente a los médicos a encontrar el cóctel de fármacos adecuado para un paciente mucho más rápido. Si bien los resultados son sólidos en estas simulaciones por computadora y pruebas de control, el artículo presenta esto como un paso significativo hacia adelante en el laboratorio, allanando el camino para experimentos más eficientes en el mundo real.

Resumen Técnico: ScreenShot

Planteamiento del Problema

La identificación de terapias combinadas de fármacos eficaces es crítica para reducir la resistencia, pero se ve obstaculizada por el espacio de búsqueda prohibitivamente grande de las combinaciones potenciales. Los cribados combinatorios tradicionales suelen ser técnicamente inviables, lentos y costosos, particularmente en entornos clínicos donde las muestras derivadas de pacientes producen recuentos celulares limitados. Los modelos predictivos existentes intentan cerrar esta brecha, pero suelen depender de perfiles genómicos o transcriptómicos (datos ómicos) y requieren un ajuste fino (fine-tuning) por cohorte o por paciente. Estos requisitos limitan su aplicabilidad cuando el tejido es escaso, el perfilado molecular no está disponible o es inconsistente. Además, muchos métodos existentes no logran modelar relaciones continuas de dosis-respuesta para combinaciones o dependen de mecanismos de atención plana que escalan cuadráticamente con el tamaño del contexto, lo que los hace ineficientes en escenarios de pocos ejemplos (few-shot).

Metodología

Arquitectura de ScreenShot

ScreenShot es un modelo fundacional de transformador jerárquico diseñado para la predicción de cribados de combinación de fármacos con pocos ejemplos. Opera directamente sobre mediciones funcionales (identidad del fármaco, dosis y viabilidad) sin requerir perfiles ómicos ni ajustes finos en nuevas muestras. La arquitectura refleja la estructura anidada de los datos de cribado a través de tres niveles:

Nivel 1: Codificador de Combinación de Fármacos (DCE): Codifica pares individuales de fármaco-dosis. Las identidades de los fármacos se mapean a embeddings aprendidos basados en el comportamiento funcional a través de diversas muestras, en lugar de la estructura química. Las dosis se codifican mediante características de Fourier aprendidas. Un codificador de transformador procesa la secuencia de fármacos dentro de una combinación utilizando autoatención para capturar efectos de interacción, agregándolos en un único embedding de combinación.
Nivel 2: Codificador de Respuesta (RE): Realiza atención cruzada entre una consulta (condición de fármaco-dosis no probada) y el contexto de pocos ejemplos (tuplas de fármaco-dosis-viabilidad observadas). Las observaciones del contexto se aumentan con su viabilidad medida. Este nivel permite que la consulta recupere evidencia de las curvas de dosis-respuesta de perturbaciones similares observadas en el contexto.
Nivel 3: Codificador de Muestra (SE): Agrega información a través de todas las perturbaciones observadas para una muestra específica utilizando autoatención. Esto propaga la evidencia a través de diferentes combinaciones de fármacos (por ejemplo, utilizando patrones de respuesta de un fármaco para informar las predicciones de fármacos relacionados). Un cabezal lineal seguido de una función sigmoide genera la estimación final de viabilidad.

Este diseño jerárquico reduce la complejidad computacional de $O(n^2)$ (atención plana) a $O(n + p^2)$ , donde $n$ es el número de observaciones y $p$ es el número de perturbaciones únicas, mejorando significamente la eficiencia.

Preentrenamiento y Aprendizaje en Contexto

ScreenShot es preentrenado en un atlas pan-cáncer que comprende 40 conjuntos de datos de cribado de fármacos (aproximadamente 30 millones de mediciones de viabilidad, 3,700 fármacos, 6,000 muestras). El objetivo de entrenamiento sigue un paradigma de aprendizaje en contexto:

Entrada: Un conjunto de contexto $D_s$ (tuplas etiquetadas de fármaco-dosis-viabilidad) y un conjunto de consulta $Q_s$ .
Tarea: Predecir la viabilidad para las consultas en $Q_s$ condicionadas por $D_s$ .
Optimización: El modelo minimiza el Error Absoluto Medio (MAE) sobre el conjunto de consulta.
Mecanismo: En la inferencia, el modelo generaliza a nuevas muestras no vistas enteramente a través de su mecanismo de atención preentrenado. Se condiciona al contexto de pocos ejemplos proporcionado mediante atención cruzada, eliminando la necesidad de actualizaciones de gradiente o ajustes finos.

Estrategia de Aprendizaje Activo

Para abordar el cuello de botella de decidir qué experimentos realizar, los autores proponen un flujo de trabajo de aprendizaje activo de múltiples rondas:

Arranque en Frío (Cold-Start): Se selecciona un lote inicial utilizando agrupamiento k-medoids sobre los embeddings de fármaco-dosis del Nivel 1 para asegurar la cobertura del espacio de tratamiento antes de observar cualquier viabilidad.
Rondas Adaptativas: Los lotes subsiguientes se seleccionan utilizando siembra k-means++ ponderada sobre los embeddings condicionados por el contexto del Nivel 3. Los candidatos se ponderan por su viabilidad diferencial predicha ( $\Delta_t = \hat{y}_{target} - \hat{y}_{control}$ ). Esto prioriza los "hits" probables (tratamientos selectivamente efectivos) manteniendo al mismo tiempo la diversidad en la selección.

Contribuciones Clave

Modelo Fundacional para la Respuesta Funcional de Fármacos: ScreenShot es el primer modelo fundacional para el cribado de fármacos que opera puramente con mediciones de fármaco-dosis-viabilidad, sin requerir características ómicas ni ajustes finos por paciente. Soporta monoterapia y combinaciones de tamaños arbitrarios.
Diseño Experimental Basado en Embeddings: Los autores introducen una política de cribado práctica que aprovecha sus embeddings preentrenados para la selección de arranque en frío y los embeddings condicionados por el contexto para el aprendizaje activo, equilibrando explícitamente el compromiso entre probar tratamientos prometedores y cubrir el espacio de diseño.
Arquitectura Jerárquica Eficiente: El modelo utiliza un mecanismo de atención jerárquica que se alinea con la estructura composicional de los datos, ofreciendo ventajas computacionales significativas sobre las líneas base de atención plana mientras captura representaciones de gran granularidad.

Resultados Experimentales

El modelo fue evaluado en cuatro conjuntos de datos no vistos: PDO-Breast (monoterapia ex vivo), BATCHIE, NCI-ALMANAC y GDSC-SQ (cribados de combinación).

Precisión de Predicción: ScreenShot logró el estado del arte en correlación de Pearson en todos los conjuntos de datos y presupuestos (de 10 a 300 observaciones de pocos ejemplos), superando a las líneas base incluyendo XGBoost, TabPFN y MLPs ajustados finamente.
Detección de Hits: En términos de identificar tratamientos selectivamente efectivos (Top-10% de hits en las predicciones del Top-20%), ScreenShot superó consistentemente a todas las líneas base. Por ejemplo, en el conjunto de datos BATCHIE con 100 shots, ScreenShot logró una recuperación de hits del 72.6% en comparación con el 63.9% del siguiente mejor método.
Eficiencia de Aprendizaje Activo: La estrategia de selección adaptativa propuesta mejoró significativamente la detección de hits sobre la selección aleatoria o de solo arranque en frío. En BATCHIE, la estrategia adaptativa logró la misma recuperación de hits que la selección aleatoria con un presupuesto de 300 usando solo un tercio del presupuesto.
Velocidad: ScreenShot es de 5 a 50 veces más rápido que las líneas base (por ejemplo, 8–68 segundos por experimento frente a minutos para MLPs) porque requiere solo una única pasada hacia adelante sin necesidad de ajuste fino.

Significancia y Reivindicaciones

El artículo afirma que ScreenShot aborda las limitaciones críticas de los métodos actuales de cribado de fármacos al eliminar la dependencia del perfilado molecular y del entrenamiento por muestra, permitiendo así su aplicación en muestras derivadas de pacientes donde tales datos son escasos o no están disponibles. Al aprovechar el aprendizaje en contexto, el modelo amortiza eficazmente el paso de adaptación, permitiéndole generalizar a nuevos pacientes de inmediato.

Los autores enfatizan que las representaciones internas aprendidas por ScreenShot son directamente útiles para el diseño experimental. La estrategia de aprendizaje activo demuestra que es posible identificar los principales éxitos terapéuticos con costos experimentales significativamente reducidos (presupuesto) en comparación con el cribado uniforme. El trabajo posiciona a ScreenShot como una herramienta práctica para la oncología de precisión, capaz de guiar la selección de terapia combinada en entornos clínicos con recursos limitados.

El artículo señala modestamente algunas limitaciones, como la dependencia de los fármacos presentes en el corpus de preentrenamiento (aunque maneja compuestos novedosos mediante tokens UNK) y la observación de que la precisión de la predicción global no siempre se correlaciona directamente con la capacidad de detección de hits, lo que sugiere que la selección guiada por la incertidumbre puede no ser óptima para encontrar los mejores hits.