В близко бъдеще медицината ще се промени по всякакъв начин. Компютърните технологии навлизат все по-дълбоко в сферата
Разработване и синтез на лекарства
Създаване на ново лекарство от идеяпреди началото на масовото производство отнема до десет години. Освен това изисква милиарди долари инвестиции за работата на изследователските екипи и стартирането на многоетапно тестване. Средно, според статистиката, само 12% от създадените лекарства получават патент и разрешение за производство, докато останалите не преминават клинични изпитвания и процесът започва отначало.
Ето защо машинното обучение и невронните мрежизапочна да се използва за опростяване на процеса на създаване на лекарства. Днес в света има около 30 мащабни проекта, използващи изкуствен интелект, които работят в тази посока.
Американска FDAАдминистрацията по храните и лекарствата стартира свой собствен проект, чиято цел е да намали разходите за клинични изследвания с порядъци с помощта на машинно обучение.
AI на проекта е обучен въз основа на последните 20 годиниклинични изпитвания на американски лекарства. И според експертите с негова помощ можете значително да увеличите вероятността за успешно завършване на обучението: от 12% на 80%.
Според предварителните оценки използването на изкуствен интелект и невронни мрежи ще помогне да се намалят четири пъти инвестициите в създаването на лекарства и наполовина времето за разработка.
Клиничните изпитвания изискват големи инвестиции и могат да отнемат няколко години
Засега опасенията използват AI само като спомагателен инструмент за синтеза на лекарства, като провеждат всички етапи на клиничните изпитвания, както обикновено. Но проектите вече дават добри резултати.
AI в услуга на храненето
Напредък в създаването на изкуствен интелекткоронавирусните ваксини са известни по целия свят. Компютърните технологии намалиха времето за разработване на ефективна ваксина само до няколко месеца, когато класическите изследователски методи изискват поне година или две.
Но изследването всъщност е много по-дълбоко отможе да се представи. И те засягат не само вирусологията, но и превантивната медицина и храненето, за които се анализират естествени органични съединения. Има десетки милиарди от тях, така че ръчното изследване не е много ефективно.
Клиничните изпитвания изискват големи инвестициии може да продължи няколко години. За да се разработи ново лекарство, е необходимо да се тестват десетки и стотици химически съединения в клетъчни култури, които в бъдеще ще трябва да бъдат тествани в живи организми. Поради това всички фази на клиничните изпитвания могат да отнемат няколко години.
Мощността на компютъра може да помогнеизследователи, значително ускоряване на процеса на създаване на нови лекарства, както и значително намаляване на разходите за скъпи клинични изпитвания. Например британско-ирландската компания Nuritas използва изкуствен интелект за търсене на активни органични съединения, които на теория могат да се използват за лечение и профилактика на заболявания.
Според експертите на компанията технологията за анализ на химически съединения с помощта на изкуствен интелект е 600 пъти по-точна и десет пъти по-бърза от стандартните методи.
Въпреки това все още е невъзможно да се направи без човек. След като невронната мрежа открива обещаващо съединение, биохимиците предприемат задълбочени изследвания.
В продължение на осем години служители на компаниятарегистрира 65 патента в медицинската индустрия, сега компанията активно разработва лекарства за възстановяване на мускулите, нормализиране на метаболизма на глюкозата и забавяне на клетъчното стареене.
Това е само един от десетките проектикоито изучават химични съединения за разработване на диетични и биологични хранителни добавки, както и лекарства. А развитието на изкуствения интелект в бъдеще ще ускори допълнително изследванията и ще подобри тяхната ефективност.
Изследване на редки болести с помощта на невронни мрежи
Днес 95% от редките заболявания нямат стандартизирани и международно приети схеми на лечение.
Според Световната здравна организация заболяванията с разпространение от 1 случай на 1000 души до 1 случай на 200 000 души се считат за редки.
Концерните не инвестират често втърсене на лекове за такива заболявания. В края на краищата една компания харчи от $200 милиона до $2 милиарда за изобретяването на едно лекарство.Времето за изплащане на такива изследвания ще бъде десетилетия, ако някога се изплатят.
Основната трудност при лечението на редките болести не е в синтеза на лекарства и лабораторните изследвания, а в липсата на клинични данни.
Следователно компанията Healx използва невронни мрежисъздава пълна информационна база данни за 7000 редки болести, в която събира цялата информация от научни материали, бази данни за пациенти и проучвания на лекарства.
Създадената база данни помогна за разработването на лекарствотоот синдрома на Мартин-Бел. За 18 месеца екипът успя да създаде лекарство, което вече успешно премина две фази на клинични изпитвания. За сравнение, при нормални условия разработването и тестването на едно лекарство отнема пет до десет години. В същото време разходите за неговото създаване са просто с порядък по-малки от класическите.
По отношение на търсенето на информация и нейната класификацияневронните мрежи показват отлични резултати. Те са в състояние да сканират интернет относително бързо на всички съществуващи езици, като събират данни, които се отнасят до конкретна тема. Постигането на такава ефективност при ръчна работа няма да работи.
Изкуствен интелект и персонализирана медицина
За повечето от най-често срещанитезаболявания, са разработени терапевтични схеми за прием на лекарства. За лечението на определени заболявания (например туберкулоза или онкология) по-скоро токсичните вещества са единствените ефективни лекарства. Поради ниската селективност, такива лекарства имат странични ефекти, влияят неблагоприятно на черния дроб, бъбреците и сърдечно-съдовата система. И ако по-рано нямаше алтернативи и употребата на агресивни лекарства се считаше за приемлива с увреждане на здравето в хода на лечението, сега методологията се променя. Развитието на медицината и медицинската химия дава възможност да се работи не само върху търсенето на фундаментално нови лекарства, но и върху избора на оптимални схеми на лечение, като се използват вече известни методи.
Индивидуална дозировка на лекарства, които иматсилните странични ефекти биха могли да намалят отрицателното въздействие върху пациентите, но сложността на изчисленията не позволява те да бъдат извършени в голям мащаб. Освен това те трябва да се извършват няколко пъти на ден.
Невронните мрежи са в състояние да извършват такива изчисления бързо.и качество. Така през 2018 г. учени от Националния университет на Сингапур разработиха иновативната система CURATE.AI за комбинирана терапия на пациенти с рак, използвайки изкуствен интелект.
Още по време на първото тестване на систематапоказа своята ефективност. За пациент с напреднал рак на простатата системата изчислява индивидуална комбинация от лекарства за целия курс на лечение.
В резултат на това туморът нараства значителносе забави и след това болестта напълно премина в ремисия. В същото време дозите на лекарствата са почти два пъти по-малки от стандартните за лечение на такива случаи.
Персонализиращата терапия разкрива невъобразими възможностивъзможности за медицина. Ако има достатъчно количество данни, невронните мрежи и други методи за машинно обучение могат да помогнат не само бързо да се реши проблемът с оптимизирането на дозата, но и да изберат комбинации от лекарства за повишаване на ефективността на лечението, да определят най-ефективните тактики за лечение и да предотвратят критични състояния на пациента в най-ранните етапи.
Подобни системи вече се използват за контролусловия на пациентите и събиране на дългосрочни медицински данни, но с течение на времето те ще бъдат все по-интегрирани в здравната индустрия. Важно е да се отбележи, че през последните години методите за профилактика и ранна диагностика на заболяванията привличат все повече внимание.
Изкуственият интелект е мощен инструменткоето може да бъде от полза за много индустрии и области на медицината. Невронните мрежи и други методи за машинно обучение вече помагат за създаването на нови лекарства, изучаването на заболявания и наблюдението на състоянието на пациентите. Засега те се прилагат само от големи изследователски центрове и най-модерните клиники, но влиянието им върху медицината вече е огромно.
Сега има активно развитие на невронни мрежилекарство – много по-бързо, отколкото можете да си представите. Повечето проекти и проучвания не стават известни на широката публика и се появяват само в специализирани списания. Но те постепенно, стъпка по стъпка, превръщат днешната медицина в медицина на бъдещето. И скоро ще го видим с очите си.
Прочетете още:
Най-силното изригване от клас X се случи на Слънцето
Вижте последствията от сблъсъка през 1181 г. на две звезди
Блазар, открит преди 20 години, се оказа екстремен обект