Acerca de Robertium
Por qué existe este proyecto y hacia dónde va
Traducción asistida por máquina, pendiente de revisión.
El problema
El descubrimiento de fármacos es lento y caro. Un fármaco nuevo tarda de media 10–15 años y más de 2 mil millones de dólares en llegar al mercado. Sin embargo, muchas de las conexiones que podrían conducir a nuevos tratamientos ya existen en la literatura publicada — solo permanecen ocultas en el ruido de los 4000+ artículos biomédicos publicados cada día.
El reposicionamiento de fármacos — encontrar nuevos usos para fármacos ya aprobados — es una alternativa más rápida y barata. Pero el descubrimiento sistemático de candidatos al reposicionamiento exige leer y conectar evidencia a través de miles de artículos en distintos dominios terapéuticos. Ningún equipo humano puede hacerlo a escala.
Robertium está hecho exactamente para eso.
Quién lo construyó
Robertium lo construye y mantiene Daniel Trofimov como proyecto open-source independiente, con commits activos en github.com/routewise96/robertium y un registro público de metodología en /updates.
Mi formación es en ingeniería, no en biomedicina. Llegué a este problema desde el lado de la infraestructura: la minería estructurada de literatura a escala es un problema de software abordable, y las herramientas abiertas existentes se quedan cortas antes de la generación de hipótesis entre dominios. Cada decisión metodológica se toma en público, con aportes de investigadores que saben más que yo de biología, y las correcciones de la comunidad llegan como commits, no como ediciones silenciosas.
Daniel está en GitHub y LinkedIn. El nombre del proyecto honra a mi padre, quien me enseñó que el trabajo que importa lleva años y que la paciencia es una disciplina.
El enfoque
Robertium lee literatura biomédica abierta, extrae afirmaciones estructuradas y aplica una metodología de hace 40 años — el descubrimiento basado en literatura de Don R. Swanson — usando modelos de lenguaje modernos y grafos de conocimiento.
El resultado: hipótesis candidatas con cadenas de evidencia completas, listas para revisión experta y validación experimental. No son predicciones, no es magia — solo descubrimiento sistemático de conexiones que ya existen en la investigación publicada.
Lee la metodología en detalle en /method.
Por qué open-source
La infraestructura para el descubrimiento de fármacos es demasiado importante para quedar encerrada en plataformas propietarias. Creemos que:
- La literatura biomédica es un bien público. Las herramientas para navegarla también deberían serlo.
- La reproducibilidad es fundamental para la ciencia. Los sistemas cerrados la rompen.
- Los investigadores deberían poder inspeccionar, modificar y mejorar los métodos que hacen emerger hipótesis cuya validación les llevará años.
Todo el código está bajo licencia MIT. Todos los datos extraídos se publicarán bajo CC-BY-4.0 junto con el primer preprint. El grafo de conocimiento es descargable. Cualquiera puede clonar el repositorio y ejecutar todo el pipeline en su propio dominio.
Qué sigue
2026 (hasta ahora)
- Corpus multidominio activo: 10 dominios terapéuticos, 167 145 artículos, 270 791 afirmaciones estructuradas
- Catálogo de hipótesis entre dominios: 24 285 candidatos en total, 1618 que pasan los filtros de calidad tras la deduplicación (197 de alta confianza) con cadenas de evidencia completas
2026 (en curso)
- Preprint público en bioRxiv que describe la metodología y los primeros hallazgos
- Publicación abierta del conjunto de datos para la comunidad investigadora bajo CC-BY-4.0
- Contacto con expertos del dominio para revisar los principales candidatos
2027
- Corpus ampliado: 100 000+ artículos por dominio principal
- Colaboración activa con laboratorios experimentales para validar los principales candidatos
- Herramientas públicas: API para investigadores, interfaz web para explorar hipótesis
- Financiación mediante subvenciones de ciencia abierta (Mozilla, Wellcome, CZI)
Más allá
- Construir una infraestructura sostenible en la que confíen los investigadores biomédicos
- Integración con datos clínicos, bases de datos fármaco-diana (DrugBank, ChEMBL)
- Entrenar modelos específicos de dominio para una extracción más precisa
- Establecer Robertium como infraestructura estándar para el descubrimiento basado en literatura
Cómo participar
Robertium crece mediante la colaboración. Busco:
- Expertos del dominio — oncólogos, neurólogos, farmacólogos que puedan revisar las hipótesis principales en su área y decirnos qué es interesante y qué trivial.
- Biólogos computacionales — especialmente quienes trabajan con grafos de conocimiento, PLN para biomedicina o metodología LBD.
- Ingenieros — contribuciones open-source, mejoras de rendimiento, nuevas funciones.
- Financiadores — si su fundación apoya la infraestructura biomédica abierta.
Escríbenos a daniel@robertium.com o vía GitHub.