.jpg)
En la fase preclínica del desenvolupament farmacèutic, la detecció precoç de toxicitat induïda per fàrmacs continua sent un factor crític que determina l'èxit o el fracàs d'un compost. La histopatologia, considerada l'estàndard de referència per avaluar danys en teixits, depèn en gran mesura de la interpretació de patòlegs experts, cosa que genera un coll d'ampolla en processos de cribratge a gran escala. Recentment, enfocaments basats en intel·ligència artificial han demostrat ser capaços d'automatitzar l'anàlisi d'imatges de seccions completes (WSI), com les de fetge de rosegador, identificant teixit sa i anomalies conegudes, i també detectant aquelles mostres que no s'ajusten als patrons d'entrenament mitjançant mètodes de detecció fora de distribució (OOD). Un exemple concret és l'ús de la distància de Mahalanobis amb llindars específics per classe, que permet minimitzar el risc de passar per alt lesions, prioritzant la seguretat. Aquest tipus de sistemes requereix un programari a mida que integri models de visió transformer, ajust fi amb adaptació de baix rang (LoRA) i mecanismes de segmentació a nivell de píxel.
La implementació d'aquestes solucions no només millora la precisió diagnòstica —amb errors inferiors a l'1% en teixit patològic classificat com a sa—, sinó que també obre la porta a aplicacions més àmplies en la indústria biofarmacèutica. Per aconseguir una integració efectiva en entorns de laboratori i complir amb normatives d'ia per a empreses, cal disposar d'un equip que desenvolupi aplicacions a mida capaces de gestionar grans volums de dades, connectar amb plataformes cloud com serveis cloud aws i azure, i garantir la ciberseguretat de la informació sensible. A més, l'anàlisi de resultats es pot potenciar amb serveis intel·ligència de negoci i eines com power bi per generar informes dinàmics que els equips d'I+D interpretin sense friccions.
Des d'una perspectiva tècnica, l'ús de la distància de Mahalanobis permet establir llindars adaptatius que equilibren la taxa de falsos positius i negatius, un requisit indispensable en el context de seguretat toxicològica. La combinació d'intel·ligència artificial amb agents IA capaços de monitoritzar fluxos de treball preclínics representa un salt qualitatiu en eficiència. Empreses com Q2BSTUDIO ofereixen precisament aquest ecosistema: desenvolupament d'aplicacions a mida, desplegament en infraestructura cloud, i consultoria en automatització de processos, tot orientat a transformar dades complexes en decisions accionables. La histopatologia assistida per IA no és una promesa llunyana; la seva viabilitat tècnica ja està demostrada, i el repte rau a escalar-la amb estàndards de qualitat, seguretat i rendiment que només un soci tecnològic especialitzat pot garantir.
