Menneskelig reaktion på stoffer lært at forudsige

Lægemiddeludvikling tager lang tid. Fra at finde den rigtige forbindelse til FDA-godkendelse

 sanitært tilsyn med kvalitetFood and Drugs) kunne tage mere end ti år og koste en milliard dollars. Et forskerhold ved City University of New York Graduate Center har skabt en kunstig intelligens-model, der reducerer tiden og omkostningerne ved lægemiddeludviklingsprocessen.

Modellen hed CODE-AE og den tester nylægemiddelforbindelser til at forudsige, hvordan de vil påvirke mennesker og deres effektivitet. Under testene fandt forskerne, om end teoretisk, personlig medicin til mere end 9.000 patienter, der bedre kunne behandle forsøgspersonernes sygdomme. Forfatterne til udviklingen håber, at deres metode vil fremskynde opdagelsen af ​​lægemidler og præcisionsmedicin markant.

Nøjagtig og pålidelig reaktionsforudsigelseEn specifik patientrespons på en ny kemisk forbindelse er afgørende for opdagelsen af ​​sikker og effektiv behandling og valget af et eksisterende lægemiddel til en specifik patient. Imidlertid er tidlig testning af lægemidlets effektivitet direkte på mennesker ikke mulig.

Som analoger bruger forskere cellulæreeller stofmodeller. Målet er at evaluere den terapeutiske effekt af et lægemiddelmolekyle. Men lægemidlets effekt i modellen hænger ofte ikke sammen med lægemidlets effekt og toksicitet hos menneskelige patienter. Denne videnskløft er en vigtig faktor i de høje omkostninger og lave produktivitet ved udvikling af lægemidler.

Læs mere:

Levende organismer har gjort Mars ubeboelig

Den kraftigste sorte hul-kollision i universet beviste Einsteins teori

Knoglerne i Midnight Terror Cave blev omhyggeligt undersøgt og fundet uforklarlige fodspor.