🤖 machine learning

Conformal Prediction for Molecular Properties under Label Shift

Este artículo presenta un marco de predicción conforme adaptado al desplazamiento de etiquetas que genera intervalos de predicción estadísticamente rigurosos para propiedades moleculares mediante el ponderado de puntuaciones con razones de probabilidad marginal de etiquetas, mejorando así la fiabilidad y el cumplimiento normativo del descubrimiento de fármacos impulsado por IA sin requerir el reentrenamiento del modelo.

Autores originales: Hyeonsu Lee, Juyeon Kim, Erkhembayar Jadamba, Seungjin Choi, Hyunjin Shin

Publicado 2026-08-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Hyeonsu Lee, Juyeon Kim, Erkhembayar Jadamba, Seungjin Choi, Hyunjin Shin

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

El viaje de convertir un compuesto químico en un medicamento que salva vidas es un maratón de incertidumbre. Es un proceso que puede tardar más de una década y costar miles de millones de dólares, terminando a menudo en el fracaso porque una molécula que parecía perfecta en un modelo informático se comporta de manera impredecible en un cuerpo vivo. Para acelerar esto, los científicos recurren cada vez más a la inteligencia artificial para predecir cómo actuará una nueva molécula, como si se disolverá en agua o si envenenará una célula. Sin embargo, estas predicciones digitales son tan buenas como los datos con los que fueron entrenadas. Cuando un modelo encuentra un nuevo tipo de molécula que difiere significativamente de los ejemplos que estudió, su confianza puede convertirse en una responsabilidad, ofreciendo un número único y preciso que es erróneamente confiado. Para que estas herramientas sean seguras para el uso en el mundo real, los investigadores necesitan una forma de medir no solo la respuesta, sino la fiabilidad de esa respuesta, especialmente cuando las reglas del juego cambian.

En un estudio reciente, investigadores del Instituto Mogam para la Investigación Biomédica e Intellicode abordaron este problema específico de las reglas cambiantes, conocido en términos técnicos como desplazamiento de etiqueta (label shift). Esto ocurre cuando la distribución de las propiedades que un modelo intenta predecir cambia entre la fase de entrenamiento y la aplicación en el mundo real. Por ejemplo, un modelo puede ser entrenado con una gran variedad de moléculas comunes, pero luego se le pide que encuentre compuestos raros con una potencia excepcionalmente alta. En este escenario, la forma estándar de medir la incertidumbre falla, lo que a menudo conduce a intervalos de predicción demasiado estrechos para capturar el valor real. El equipo desarrolló un nuevo marco de trabajo que ajusta los intervalos de confianza de estas predicciones de IA sin necesidad de reentrenar los costosos modelos subyacentes. Al utilizar una técnica estadística llamada predicción conforme, que construye un rango de valores probables en lugar de una estimación de punto único, crearon un sistema que permanece fiable incluso cuando la distribución de los datos deriva.

Los investigadores probaron su método utilizando un gran conjunto de datos de casi diez mil compuestos con niveles de solubilidad conocidos, un factor crítico en el diseño de fármacos. Emplearon un sofisticado modelo de lenguaje, entrenado con cientos de millones de estructuras químicas, para realizar sus predicciones iniciales. Para simular el desafío del mundo real del desplazamiento de etiqueta, alteraron artificialmente los datos de prueba de modo que la distribución de los valores de solubilidad fuera diferente de la del conjunto de entrenamiento. Cuando aplicaron el método estándar, no ajustado, a estos datos desplazados, el sistema falló al capturar los valores reales dentro de sus rangos con la frecuencia que debería haberlo hecho, dejando los resultados peligrosamente sobreconfiados. El enfoque tradicional, que asume que los datos de prueba se parecen a los de entrenamiento, simplemente no pudo seguir el ritmo del cambio.

Para solucionar esto, el equipo introdujo un sistema de ponderación que actúa como una lente correctiva para las predicciones. Primero dividieron los datos disponibles en tres grupos distintos: uno para entrenar el modelo, uno para estimar cómo se había desplazado la distribución de los datos y un tercero para calibrar los rangos de predicción finales. Utilizando el segundo grupo, calcularon la relación entre la frecuencia esperada de diferentes niveles de solubilidad en el nuevo entorno frente al anterior. Luego aplicaron estas relaciones como pesos a los errores que cometió el modelo durante la calibración. Este proceso efectivamente le dijo al sistema que prestara más atención a los tipos de errores que se estaban volviendo más comunes en los nuevos datos y menos atención a aquellos que se estaban desvaneciendo. Al hacerlo, pudieron construir intervalos de predicción que mantuvieran su validez estadística, asegurando que el valor real cayera dentro del rango predicho en el nivel de confianza deseado, independientemente de cómo se hubieran desplazado los datos.

Los resultados de sus simulaciones, repetidas mil veces para asegurar la robustez, mostraron una mejora clara. Mientras que el método estándar producía intervalos que frecuentemente perdían los valores reales bajo el desplazamiento de etiqueta, el nuevo enfoque ponderado restauró consistentemente la cobertura al nivel objetivo. Los investigadores encontraron que el método funcionaba mejor cuando utilizaban una técnica estadística específica llamada estimación de máxima verosimilitud para calcular los pesos necesarios, aunque otros métodos también mostraron ser prometedores. Curiosamente, el método más preciso para recuperar la cobertura tendía a producir intervalos ligeramente más amplios que los otros, un compromiso que refleja una evaluación más honesta de la incertidumbre. El estudio demostró que es posible adaptar los modelos de IA existentes y potentes a nuevos paisajes químicos cambiantes sin el costo prohibitivo de reentrenarlos desde cero.

Este trabajo ofrece un camino práctico para integrar la inteligencia artificial en el entorno de alto riesgo del descubrimiento de fármacos. Al proporcionar una forma de generar medidas de confianza estadísticamente rigurosas que se adaptan a las condiciones cambiantes, el marco ayuda a cerrar la brecha entre el rendimiento teórico del modelo y los requisitos regulatorios de transparencia. Asegura que cuando los científicos observan la predicción de una molécula novedosa, no solo están viendo un número, sino una evaluación realista de su potencial, completa con una comprensión clara de los riesgos involucrados. Este cambio de la confianza ciega a la fiabilidad medida es un paso crucial para hacer de la IA un socio de confianza en la empresa de miles de millones de dólares que supone traer nuevos medicamentos a los pacientes.

Resumen Técnico: Predicción Conforme para Propiedades Moleculares bajo Desplazamiento de Etiquetas

Planteamiento del Problema
La aplicación de la Inteligencia Artificial (IA) en el descubrimiento de fármacos enfrenta un cuello de botella crítico de fiabilidad: el desplazamiento de la distribución. Mientras que los modelos de IA aceleran la predicción de propiedades moleculares (por ejemplo, solubilidad, potencia, toxicidad), su rendimiento suele degradarse cuando los datos de prueba divergen de las distribcciones de entrenamiento. Específicamente, este trabajo aborda el desplazamiento de etiquetas (label shift), un escenario donde la distribución marginal de la propiedad objetivo ( $P(y)$ ) cambia entre los dominios de origen (entrenamiento) y destino (prueba), mientras que la distribución condicional de las características dadas la etiqueta ( $P(x|y)$ ) permanece invariante. Esto es común en el descubrimiento de fármacos cuando las prioridades de investigación se desplazan hacia el descubrimiento de moléculas con valores de propiedad (por ejemplo, potencia extrema o baja toxicidad) que estaban subrepresentados en los datos de entrenamiento originales.

La predicción conforme estándar, un marco para generar intervalos de predicción estadísticamente rigurosos con validez de muestra finita, depende del supuesto de intercambiabilidad entre los datos de entrenamiento y de prueba. Bajo el desplazamiento de etiquetas, este supuesto se viola, causando que los métodos estándar produzcan predicciones excesivamente confiadas pero poco fiables, con tasas de cobertura que caen significativamente por debajo del nivel de confianza nominal. Además, las predicciones puntuales convencionales ofrecen una guía limitada para el diseño experimental de alto nivel, y las soluciones existentes para el desplazamiento de la distribución requieren a menudo un reentrenamiento costoso del modelo o se centran principalmente en el desplazamiento de covariables en lugar del desplazamiento de etiquetas en tareas de regresión continua.

Metodología
Los autores proponen un marco de Predicción Conforme Ponderada (WCP, por sus siglas en inglés) diseñado para manejar el desplazamiento de etiquetas en la regresión de propiedades moleculares sin reentrenar el modelo base. La metodología procede a través de los siguientes pasos:

Partición de Datos: El conjunto de datos de origen ( $D_s$ ) se divide en tres subconjuntos disjuntos para evitar la fuga de datos:
- Conjunto de Entrenamiento ( $D_{train}$ ): Utilizado para entrenar el modelo de predicción base ( $f$ ).
- Conjunto de Pesos ( $D_{weight}$ ): Utilizado para estimar los pesos de importancia que representan la relación entre las distribuciones de etiquetas de origen y destino.
- Conjunto de Calibración ( $D_{cal}$ ): Utilizado para calcular las puntuaciones de no conformidad.
- El conjunto de datos de destino ( $D_t$ ) se divide en subconjuntos con y sin desplazamiento para la evaluación.
Discretización y Estimación de Pesos: Dado que la propiedad objetivo es continua, la variable de respuesta $y$ se discretiza en $K$ contenedores (bins) para crear etiquetas pseudo. Los pesos de importancia ( $w$ ) se estiman como la relación entre la probabilidad marginal de la etiqueta de destino y la probabilidad marginal de la etiqueta de origen ( $w(\tilde{y}) = q(\tilde{y})/p(\tilde{y})$ ). Los autores emplean tres técnicas distintas para estimar la distribución de destino $q(\tilde{y})$ a partir de datos de destino no etiquetados:
- Estimación de Desplazamiento de Caja Negra (BBSE)
- Aprendizaje Regularizado bajo Desplazamientos de Etiquetas (RLLS)
- Estimación de Máxima Verosimilitud (MLE) con escalado de temperatura corregido por sesgo (BCTS).
- Para MLE, un enfoque probabilístico modela las predicciones como Gaussianas centradas en la salida del modelo con una desviación estándar igual al RMSE, calculando las probabilidades de los contenedores mediante diferencias de la Función de Distribución Acumulada (CDF).
Predicción Conforme Ponderada:
- Las puntuaciones de no conformidad ( $s_i$ ) se calculan para el conjunto de calibración, típicamente como residuos absolutos ( $|y_i - f(x_i)|$ ).
- Cada puntuación recibe un peso de importancia estimado ( $\hat{w}_i$ ) basado en el contenedor de la etiqueta real.
- Se calcula un cuantil ponderado ( $\hat{q}_w$ ) tal que la proporción ponderada de puntuaciones por debajo del umbral cumpla con el nivel de confianza deseado ( $1-\alpha$ ).
- El intervalo de predicción final para un nuevo punto de prueba $x_t$ se construye como $C(x_t) = [f(x_t) - \hat{q}_w, f(x_t) + \hat{q}_w]$ .

Contribuciones Clave

Adaptación al Desplazamiento de Etiquetas: El artículo introduce una adaptación específica de la predicción conforme para tareas de regresión continua bajo desplazamiento de etiquetas, un vacío previamente poco explorado en comparación con el desplazamiento de covariables.
Marco Agnóstico al Modelo: El método es compatible con varios modelos base (demostrado aquí con un Modelo de Lenguaje Grande o LLM) y no requiere un reentrenamiento costoso del modelo. Se basa únicamente en la reponderación del paso de calibración.
Integración de Técnicas de Estimación: El marco evalúa e integra sistemáticamente BBSE, RLLS y MLE para estimar las relaciones de probabilidad marginal, demostrando cómo estas técnicas pueden aplicarse para corregir desplazamientos de distribución utilizando únicamente las salidas de los modelos predictivos.
Rigor Estadístico: El enfoque restaura la garantía de cobertura marginal ( $P(y_{test} \in C(x_{test})) \geq 1-\alpha$ ) incluso cuando las distribuciones de las propiedades derivan, proporcionando una cuantificación de la incertidumbre estadísticamente válida.

Resultados Experimentales
El marco fue evaluado en el conjunto de datos AqSolDB (9,982 compuestos) utilizando un Modelo de Lenguaje Grande (LLM) químico basado en una arquitectura BART, preentrenado en ~200 millones de cadenas SMILES y ajustado para la predicción de solubilidad (logS).

Fallo de la Línea Base: La predicción conforme dividida (CP) estándar exhibió un declive significativo en la cobertura en los datos de prueba con desplazamiento de etiquetas, con una cobertura promedio cayendo sustancialmente por debajo del objetivo nominal.
Recuperación del Rendimiento: Los métodos de Predicción Conforme Ponderada (WCP) propuestos recuperaron con éxito la cobertura. Las distribuciones de cobertura para WCP se desplazaron hacia la derecha en relación con la CP estándar, lo que indica que los intervalos contenían con mayor frecuencia las etiquetas reales.
Comparación de Estimadores: Entre las técnicas de estimación de pesos, MLE logró la mayor cobertura, seguido de RLLS y BBSE. MLE demostró robustez respecto al número de contenedores utilizados para la discretización.
Compromisos (Trade-offs): Aunque MLE proporcionó la mejor recuperación de la cobertura, resultó en intervalos de predicción ligeramente más amplios en comparación con BBSE y RLLS.

Significancia y Reivindicaciones
Los autores posicionan este trabajo como un paso crítico hacia el cumplimiento regulatorio y la adopción en el mundo real de la IA en el descubrimiento de fármacos. Al ir más allá de la precisión de un solo valor para proporcionar medidas de confianza accionables y estadísticamente rigurosas, el método aborda la guía de la FDA de 2025 que requiere "intervalos de confianza apropiados" y "estimaciones de incertidumbre" para los sistemas de IA en presentaciones regulatorias.

El artículo afirma que este marco mejora la confiabilidad de las predicciones de IA en procesos de desarrollo de miles de millones de dólares. Permite una cuantificación de la incertidumbre robusta incluso cuando las distribuciones de las propiedades derivan, abordando directamente un obstáculo persistente en la aplicación de la IA a nuevos espacios químicos. En última instancia, el trabajo ofrece una solución generalizable y agnóstica al modelo que asegura que los modelos sigan siendo dignos de confianza al navegar por las fronteras inciertas del desarrollo de fármacos, alineando el modelado predictivo con las demandas de transparencia y fiabilidad en la toma de decisiones científicas de alto nivel.

Más como este