Az orvostudomány minden tekintetben megváltozik a közeljövőben. A számítógépes technológiák egyre mélyebbre hatolnak a szférába
Gyógyszerek fejlesztése és szintézise
Új gyógyszer létrehozása ötletbőla tömeggyártás megkezdése előtt akár tíz évig is eltarthat. Ezenkívül több milliárd dolláros befektetést igényel a kutatócsoportok munkájához és a többlépcsős tesztelés elindításához. A statisztikák szerint átlagosan a megalkotott gyógyszerek mindössze 12%-a kap szabadalmat és gyártási engedélyt, míg a többiek nem esnek át a klinikai vizsgálatokon, és a folyamat elölről kezdődik.
Ez az oka a gépi tanulásnak és a neurális hálózatoknaka kábítószerek létrehozásának folyamatának egyszerűsítésére kezdték használni. Ma a világon körülbelül 30 nagyszabású, mesterséges intelligenciát használó projekt működik ebben az irányban.
Amerikai FDAAz Élelmiszer- és Gyógyszerügyi Hatóság elindította saját projektjét, melynek célja a klinikai kutatások költségeinek nagyságrendekkel történő csökkentése gépi tanulás segítségével.
A projekt mesterséges intelligencia képzése az elmúlt 20 év alapján történikamerikai gyógyszerek klinikai vizsgálatai. A szakértők szerint pedig segítségével jelentősen növelhető a tanulmányok sikeres befejezésének valószínűsége: 12%-ról 80%-ra.
Az előzetes becslések szerint a mesterséges intelligencia és a neurális hálózatok alkalmazása négyszeresére, a fejlesztési idő felére csökkenti majd a kábítószerek előállítására fordított befektetéseket.
A klinikai vizsgálatok nagy beruházásokat igényelnek, és több évig is eltarthatnak
A vállalatok egyelőre csak a gyógyszerszintézis segédeszközeként használják a mesterséges intelligenciát, a klinikai vizsgálatok minden szakaszát szokás szerint lefolytatva. De a projektek már most is jó eredményeket mutatnak.
AI a táplálkozás szolgálatában
Előrelépések a mesterséges intelligencia létrehozásábana koronavírus elleni védőoltások világszerte ismertek. A számítógépes technológiák néhány hónapra csökkentették a hatékony oltóanyag kifejlesztésének idejét, amikor a klasszikus kutatási módszerek legalább egy-két évet igényelnek.
De a kutatás valójában sokkal mélyebb, mintel lehet képzelni. És nemcsak a virológiára vonatkoznak, hanem a megelőző gyógyászatra és táplálkozásra is, amelyekhez a természetes szerves vegyületeket elemzik. Több tízmilliárd van belőlük, így a kézi kutatás nem túl hatékony.
A klinikai vizsgálatok nagy befektetést igényelnekés több évig is eltarthat. Egy új gyógyszer kifejlesztéséhez több tucat és száz kémiai vegyületet kell tesztelni sejtkultúrákban, amelyeket később élő szervezetekben is tesztelni kell. Emiatt a klinikai vizsgálatok minden fázisa több évig is eltarthat.
A számítógép teljesítménye segíthetkutatók, jelentősen felgyorsítva az új gyógyszerek létrehozásának folyamatát, valamint jelentősen csökkentve a drága klinikai vizsgálatok költségeit. Például a brit-ír Nuritas cég mesterséges intelligencia segítségével keres olyan aktív szerves vegyületeket, amelyek elméletileg betegségek kezelésére és megelőzésére használhatók.
A cég szakértői szerint a kémiai vegyületek mesterséges intelligencia segítségével történő elemzésének technológiája 600-szor pontosabb és tízszer gyorsabb, mint a hagyományos módszerek.
Személy nélkül azonban még mindig lehetetlen. Miután a neurális hálózat felfedez egy ígéretes vegyületet, a biokémikusok alapos kutatásba kezdenek.
Nyolc éve a cég alkalmazottai65 szabadalmat regisztrált az orvosi iparban, a vállalat jelenleg aktívan fejleszt gyógyszereket az izom helyreállítására, a glükóz anyagcsere normalizálására és a sejtek öregedésének lassítására.
Ez csak egy a több tucat projekt közülakik kémiai vegyületeket tanulmányoznak diétás és biológiai étrend-kiegészítők, valamint gyógyszerek kifejlesztéséhez. A mesterséges intelligencia fejlesztése pedig a jövőben tovább gyorsítja a kutatást és javítja annak hatékonyságát.
Ritka betegségek kutatása neurális hálózatok segítségével
Ma a ritka betegségek 95%-a nem rendelkezik szabványosított és nemzetközileg elfogadott kezelési renddel.
Az Egészségügyi Világszervezet szerint az 1000 főre jutó 1-200 000 főre jutó megbetegedések ritkaságnak számítanak.
A konszern nem gyakran fektet begyógymódokat keresni az ilyen betegségekre. Hiszen egy cég 200-2 milliárd dollárt költ egy gyógyszer feltalálására. Az ilyen kutatások megtérülési ideje évtizedekig tart, ha egyáltalán megtérül.
A ritka betegségek kezelésének fő nehézségét nem a gyógyszerek szintézise és a laboratóriumi vizsgálatok jelentik, hanem a klinikai adatok hiánya.
Ezért a Healx cég neurális hálózatokat használ7000 ritka betegség teljes információs adatbázisát hoz létre, amelyben összegyűjti a tudományos anyagokból, betegadatbázisokból és gyógyszertanulmányokból származó összes információt.
Az elkészített adatbázis segítette a gyógyszer fejlesztésétMartin-Bell szindrómától. 18 hónap alatt a csapatnak sikerült létrehoznia egy olyan gyógyszert, amely már sikeresen átesett a klinikai vizsgálatok két fázisán. Ehhez képest normál körülmények között egy gyógyszer kifejlesztése és tesztelése öt-tíz évig tart. Ugyanakkor a létrehozásának költségei egyszerűen nagyságrendekkel kisebbek, mint a klasszikusoké.
Az információkeresés és annak osztályozása szempontjábóla neurális hálózatok kiváló eredményeket mutatnak. Viszonylag gyorsan képesek átvizsgálni az internetet az összes létező nyelven, és olyan adatokat gyűjtenek, amelyek egy adott témához kapcsolódnak. Ilyen hatékonyság elérése kézi munka során nem fog működni.
Mesterséges intelligencia és személyre szabott orvoslás
A legtöbb leggyakoribbbetegségek, a gyógyszerek szedésének terápiás rendjeit dolgozták ki. Bizonyos betegségek (például tuberkulózis vagy onkológia) kezelésére a meglehetősen mérgező anyagok az egyedüli hatékony gyógyszerek. Az alacsony szelektivitás miatt az ilyen gyógyszereknek mellékhatásai vannak, hátrányosan hatnak a májra, a vesére és a szív- és érrendszerre. És ha korábban nem volt alternatíva, és az agresszív gyógyszerek használatát elfogadhatónak tartották egészségkárosodással a kezelés során, most a módszertan változik. Az orvostudomány és a gyógykémia fejlődése lehetővé teszi, hogy ne csak az alapvetően új gyógyszerek felkutatásán, hanem a már ismert módszerekkel optimális kezelési sémák kiválasztásán is dolgozzunk.
Olyan gyógyszerek egyéni adagolása, amelyekAz erős mellékhatások csökkenthetik a betegekre gyakorolt negatív hatást, de a számítások összetettsége nem teszi lehetővé, hogy azokat nagy léptékben végezzék el. Ezenkívül naponta többször kell elvégezni.
A neurális hálózatok gyorsan képesek ilyen számításokat elvégezni.és minőség. Így 2018-ban a Szingapúri Nemzeti Egyetem tudósai kifejlesztették az innovatív CURATE.AI rendszert a rákos betegek mesterséges intelligencia segítségével történő kombinált terápiájára.
Már a rendszer első tesztelésekormegmutatta hatékonyságát. Egy előrehaladott prosztatarákban szenvedő beteg esetében a rendszer a kezelés teljes időtartama alatt a gyógyszerek egyéni kombinációját számította ki.
Ennek eredményeként a daganat jelentősen megnőlelassult, majd a betegség teljesen remisszióba ment. Ugyanakkor a gyógyszerek adagja csaknem kétszerese volt, mint az ilyen esetek szokásos kezelésénél.
A személyre szabott terápia elképzelhetetlen lehetőségeket nyit megaz orvostudomány lehetőségei. Elegendő adatmennyiség esetén a neurális hálózatok és egyéb gépi tanulási módszerek nemcsak a dózisoptimalizálás problémájának gyors megoldásában segíthetnek, hanem a kezelés hatékonyságának növelésére, a leghatékonyabb kezelési taktikák meghatározására és a kritikus esetek megelőzésére szolgáló gyógyszerek kombinációinak kiválasztásában is. a beteg állapota a legkorábbi stádiumban.
Hasonló rendszereket már használnak az irányításraa betegek állapota és a hosszú távú orvosi adatok gyűjtése, de idővel ezek egyre jobban beépülnek az egészségügyi ágazatba. Fontos megjegyezni, hogy az utóbbi években a betegségek megelőzésének és korai diagnosztizálásának módszerei egyre nagyobb figyelmet kaptak.
A mesterséges intelligencia hatékony eszközamely az orvostudomány számos iparágában és területén előnyös lehet. A neurális hálózatok és más gépi tanulási módszerek már most is segítenek új gyógyszerek létrehozásában, betegségek tanulmányozásában és a betegek állapotának monitorozásában. Egyelőre csak nagy kutatóközpontok és a legfejlettebb klinikák valósítják meg őket, de hatásuk az orvostudományra már most is óriási.
Jelenleg a neurális hálózatok aktív fejlesztése zajlikgyógyszer – sokkal gyorsabban, mint gondolnád. A legtöbb projekt és tanulmány nem válik ismertté a nagyközönség számára, és csak szakfolyóiratokban jelenik meg. Azonban fokozatosan, lépésről lépésre alakítják át a mai orvoslást a jövő gyógyászatává. És hamarosan a saját szemünkkel is láthatjuk.
Olvass tovább:
A legerősebb X osztályú fellobbanás a Napon történt
Nézze meg a két csillag 1181-ben történt ütközésének következményeit
A 20 éve talált Blazar extrém tárgynak bizonyult