Medicin vil ændre sig på alle måder i den nærmeste fremtid. Computerteknologier trænger stadig dybere ind i sfæren
Udvikling og syntese af lægemidler
At skabe et nyt lægemiddel ud fra en idéfør starten af masseproduktion tager op til ti år. Det kræver også, at der investeres milliarder af dollars til forskningsholds arbejde og lanceringen af flertrinstest. I gennemsnit, ifølge statistikker, modtager kun 12% af skabte lægemidler et patent og tilladelse til at fremstille, mens resten ikke består kliniske forsøg, og processen begynder på ny.
Dette er grunden til maskinlæring og neurale netværkbegyndte at blive brugt til at forenkle processen med at skabe stoffer. I dag er der i verden cirka 30 store projekter, der bruger kunstig intelligens, som arbejder i denne retning.
amerikanske FDAFood and Drug Administration lancerede sit eget projekt, hvis mål er at reducere omkostningerne til klinisk forskning i størrelsesordener ved hjælp af maskinlæring.
Projektets AI er trænet ud fra de seneste 20 årkliniske forsøg med amerikanske lægemidler. Og ifølge eksperter kan du med dens hjælp øge sandsynligheden for en vellykket gennemførelse af studier markant: fra 12 % til 80 %.
Ifølge foreløbige skøn vil brugen af kunstig intelligens og neurale netværk hjælpe med at reducere investeringerne i skabelsen af lægemidler med fire gange og udviklingstiden med det halve.
Kliniske forsøg kræver store investeringer og kan tage flere år
Indtil videre bruger bekymringerne kun AI som et hjælpeværktøj til syntese af lægemidler, og udfører alle stadier af kliniske forsøg som sædvanligt. Men projekterne viser allerede gode resultater.
AI i ernæringens tjeneste
Fremskridt inden for skabelse af kunstig intelligenscoronavirus-vacciner er kendt over hele verden. Computerteknologier har reduceret tiden til at udvikle en effektiv vaccine til blot et par måneder, når klassiske forskningsmetoder kræver mindst et år eller to.
Men forskningen er faktisk meget dybere endkan forestilles. Og de vedrører ikke kun virologi, men også forebyggende medicin og ernæring, for hvilke naturlige organiske forbindelser analyseres. Der er titusindvis af milliarder af dem, så manuel forskning er ikke særlig effektiv.
Kliniske forsøg kræver store investeringerog kan holde i flere år. For at udvikle et nyt lægemiddel er det nødvendigt at teste snesevis og hundredvis af kemiske forbindelser i cellekulturer, som i fremtiden skal testes i levende organismer. På grund af dette kan alle faser af kliniske forsøg tage flere år.
Computerkraft kan hjælpeforskere, betydeligt fremskynde processen med at skabe nye lægemidler, samt betydeligt reducere omkostningerne ved dyre kliniske forsøg. Eksempelvis bruger den britisk-irske virksomhed Nuritas kunstig intelligens til at søge efter aktive organiske forbindelser, som i teorien kan bruges til at behandle og forebygge sygdomme.
Ifølge firmaets eksperter er teknologien til at analysere kemiske forbindelser ved hjælp af kunstig intelligens 600 gange mere nøjagtig og ti gange hurtigere end standardmetoder.
Det er dog stadig umuligt at undvære en person. Efter at det neurale netværk har opdaget en lovende forbindelse, foretager biokemikere en dybtgående forskning.
I otte år, virksomhedens ansatteregistreret 65 patenter i den medicinske industri, udvikler virksomheden nu aktivt lægemidler til muskelgendannelse, normalisering af glukosemetabolisme og nedsættelse af cellulær aldring.
Dette er blot et af dusinvis af projekterder studerer kemiske forbindelser til udvikling af kosttilskud og biologiske kosttilskud, samt lægemidler. Og udviklingen af kunstig intelligens i fremtiden vil yderligere fremskynde forskningen og forbedre dens effektivitet.
Forskning i sjældne sygdomme ved hjælp af neurale netværk
I dag har 95 % af sjældne sygdomme ikke standardiserede og internationalt accepterede behandlingsregimer.
Ifølge Verdenssundhedsorganisationen anses sygdomme med en prævalens på 1 tilfælde pr. 1.000 mennesker til 1 tilfælde pr. 200.000 mennesker for sjældne.
Bekymringer investerer ikke ofte isøger efter kur mod sådanne sygdomme. Når alt kommer til alt, bruger en virksomhed fra 200 millioner til 2 milliarder dollars på opfindelsen af ét lægemiddel. Tilbagebetalingstiden for sådan forskning vil være årtier, hvis de nogensinde betaler sig.
Den største vanskelighed i behandlingen af sjældne sygdomme er ikke i syntesen af lægemidler og laboratorietest, men i manglen på kliniske data.
Derfor Healx selskab, der bruger neurale netværkopretter en komplet informationsdatabase over 7.000 sjældne sygdomme, hvori den samler al information fra videnskabeligt materiale, patientdatabaser og lægemiddelundersøgelser.
Den oprettede database hjalp med udviklingen af lægemidletfra Martin-Bell syndrom. På 18 måneder var holdet i stand til at skabe et lægemiddel, der allerede har bestået to faser af kliniske forsøg. Til sammenligning tager udviklingen og afprøvningen af et lægemiddel under normale forhold fem til ti år. Samtidig er omkostningerne ved dets oprettelse simpelthen størrelsesordener mindre end de klassiske.
Med hensyn til informationssøgning og dens klassificeringneurale netværk viser fremragende resultater. De er i stand til at scanne internettet relativt hurtigt på alle eksisterende sprog og indsamler data, der vedrører et specifikt emne. At opnå en sådan effektivitet, når du arbejder manuelt, vil ikke fungere.
Kunstig intelligens og personlig medicin
For de fleste af de mest almindeligesygdomme, er der udviklet terapeutiske ordninger til at tage medicin. Til behandling af visse sygdomme (for eksempel tuberkulose eller onkologi) er ret giftige stoffer de eneste effektive lægemidler. På grund af den lave selektivitet har sådanne lægemidler bivirkninger, påvirker leveren, nyrerne og det kardiovaskulære system negativt. Og hvis der tidligere ikke var nogen alternativer, og brugen af aggressive stoffer blev anset for acceptabel med skader på sundheden i løbet af behandlingen, nu ændrer metoden sig. Udviklingen af medicin og medicinsk kemi gør det muligt at arbejde ikke kun på søgningen efter fundamentalt nye lægemidler, men også på udvælgelsen af optimale behandlingsregimer ved hjælp af allerede kendte metoder.
Individuel dosering af lægemidler, der harstærke bivirkninger kan reducere den negative påvirkning af patienterne, men kompleksiteten af beregningerne tillader ikke, at de kan udføres i stor skala. Derudover skal de udføres flere gange om dagen.
Neurale netværk er i stand til at udføre sådanne beregninger hurtigt.og kvalitet. Så i 2018 udviklede forskere fra National University of Singapore det innovative CURATE.AI-system til kombinationsbehandling af kræftpatienter ved hjælp af kunstig intelligens.
Allerede under den første test af systemethar vist sin effektivitet. For en patient med fremskreden prostatacancer beregnede systemet en individuel kombination af lægemidler gennem hele behandlingsforløbet.
Som et resultat vokser tumoren betydeligtbremset, og så gik sygdommen helt i remission. Samtidig var doseringerne af lægemidlerne næsten to gange mindre end for standardbehandling af sådanne tilfælde.
Personaliseringsterapi åbner uanede mulighedermuligheder for medicin. Hvis der er en tilstrækkelig mængde data, kan neurale netværk og andre maskinlæringsmetoder ikke kun hjælpe med hurtigt at løse problemet med dosisoptimering, men også vælge kombinationer af lægemidler for at øge effektiviteten af behandlingen, bestemme den mest effektive behandlingstaktik og forhindre kritiske patientens tilstand i de tidligste stadier.
Lignende systemer er allerede i brug til at styrepatientforhold og indsamling af langsigtede medicinske data, men med tiden vil de i stigende grad blive integreret i sundhedssektoren. Det er vigtigt at bemærke, at i de senere år har metoder til forebyggelse og tidlig diagnosticering af sygdomme tiltrukket sig mere og mere opmærksomhed.
Kunstig intelligens er et stærkt værktøjsom kan gavne mange industrier og områder inden for medicin. Neurale netværk og andre maskinlæringsmetoder hjælper allerede med at skabe nye lægemidler, studere sygdomme og overvåge patienternes tilstand. Indtil videre bliver de kun implementeret af store forskningscentre og de mest avancerede klinikker, men deres indvirkning på medicin er allerede enorm.
Nu er der en aktiv udvikling af neurale netværk imedicin - meget hurtigere end du kan forestille dig. De fleste projekter og undersøgelser bliver ikke kendt af den brede offentlighed og optræder kun i specialiserede tidsskrifter. Men de forvandler gradvist, trin for trin, dagens medicin til fremtidens medicin. Og snart vil vi se det med vores egne øjne.
Læs mere:
Den stærkeste klasse X-udbrud fandt sted på Solen
Se på konsekvenserne af kollisionen i 1181 af to stjerner
Blazar, som blev fundet for 20 år siden, viste sig at være et ekstremt objekt