가까운 미래에 의학은 모든 면에서 변화할 것입니다. 컴퓨터 기술은 점점 더 깊은 영역으로 침투하고 있습니다.
약물의 개발 및 합성
아이디어에서 신약을 창조하다대량 생산이 시작되기까지 최대 10년이 걸립니다. 또한 연구팀의 작업과 다단계 테스트 시작을 위해 수십억 달러의 투자가 추가로 필요합니다. 평균적으로 통계에 따르면 생성 된 약물의 12 %만이 특허 및 제조 허가를 받고 나머지는 임상 시험을 통과하지 못하고 프로세스가 새로 시작됩니다.
그렇기 때문에 머신러닝과 신경망이약물 제조 과정을 단순화하기 위해 사용되기 시작했습니다. 현재 전 세계적으로 인공 지능을 사용하여 이 방향으로 작업하는 대규모 프로젝트가 약 30개 있습니다.
미국 FDA미국 식품의약국(FDA)은 자체 프로젝트를 시작했으며, 그 목표는 기계 학습을 사용하여 임상 연구 비용을 대폭 줄이는 것입니다.
프로젝트의 AI는 지난 20년간의 데이터를 기반으로 훈련되었습니다.미국 약물의 임상 시험. 그리고 전문가에 따르면, 이 도구의 도움으로 성공적인 연구 완료 가능성을 12%에서 80%로 크게 높일 수 있습니다.
예비 추정에 따르면 인공지능과 신경망을 활용하면 약물 개발에 대한 투자를 4배, 개발 시간을 절반으로 줄이는 데 도움이 될 것으로 보인다.
임상 시험에는 대규모 투자가 필요하며 몇 년이 걸릴 수 있습니다.
지금까지 기업들은 인공지능을 약물 합성 보조 도구로만 활용해 모든 임상시험 단계를 평소대로 진행하고 있다. 그러나 프로젝트는 이미 좋은 결과를 보여주고 있습니다.
영양 서비스의 AI
인공지능 생성의 발전코로나바이러스 백신은 전 세계적으로 알려져 있습니다. 컴퓨터 기술 덕분에 효과적인 백신을 개발하는 데 걸리는 시간이 기존 연구 방법으로는 최소 1~2년이 걸렸던 것과 달리 단 몇 달로 단축되었습니다.
그러나 연구는 실제로보다 훨씬 더 깊습니다.상상할 수 있습니다. 그리고 그들은 바이러스학뿐만 아니라 천연 유기 화합물이 분석되는 예방 의학 및 영양에도 관심이 있습니다. 수백억 개가 있으므로 수동 조사는 그다지 효과적이지 않습니다.
대규모 투자가 필요한 임상시험몇 년 동안 지속될 수 있습니다. 신약을 개발하기 위해서는 세포 배양에서 수십, 수백 가지의 화합물을 시험해야 하는데, 앞으로는 살아있는 유기체에서 시험해야 할 것입니다. 이 때문에 임상 시험의 모든 단계는 몇 년이 걸릴 수 있습니다.
컴퓨터 전원이 도움이 될 수 있습니다신약 개발 과정을 크게 가속화하고 값 비싼 임상 시험 비용을 크게 줄입니다. 예를 들어, 영국-아일랜드 회사인 Nuritas는 이론적으로 질병을 치료하고 예방하는 데 사용할 수 있는 활성 유기 화합물을 검색하기 위해 인공 지능을 사용하고 있습니다.
회사 전문가에 따르면 인공지능을 활용한 화합물 분석 기술은 표준 방법보다 정확도는 600배, 속도는 10배 빠릅니다.
그러나 사람 없이는 여전히 불가능합니다. 신경망이 유망한 화합물을 발견한 후 생화학자들은 심층적인 연구를 수행합니다.
8년 동안 회사 직원들은의료산업 분야 특허 65건을 등록한 이 회사는 현재 근육 회복, 포도당 대사 정상화, 세포 노화 지연을 위한 약물 개발을 활발히 진행하고 있습니다.
이것은 수십 개의 프로젝트 중 하나일 뿐입니다.식이 및 생물학적 식품 보조제와 약물 개발을 위한 화합물을 연구하는 사람. 그리고 미래의 인공지능의 발전은 연구를 더욱 가속화하고 그 효과를 향상시킬 것입니다.
신경망을 활용한 희귀질환 연구
오늘날 희귀질환의 95%는 표준화되고 국제적으로 인정되는 치료법이 없습니다.
세계보건기구에 따르면 유병률이 인구 1,000명당 1건에서 200,000명당 1건인 질병은 드문 질병으로 간주됩니다.
우려사항은 자주 투자하지 않습니다.그러한 질병에 대한 치료법을 찾고 있습니다. 결국, 회사는 하나의 약물 개발에 2억 달러에서 20억 달러를 지출합니다. 그러한 연구에 대한 투자 회수 기간은 성과를 거두더라도 수십 년이 걸릴 것입니다.
희귀질환 치료의 가장 큰 어려움은 약물의 합성과 실험실 검사가 아니라 임상 데이터의 부족이다.
따라서 신경망을 사용하는 Healx 회사는과학 자료, 환자 데이터베이스 및 약물 연구로부터 모든 정보를 수집하는 7,000가지 희귀 질환에 대한 완전한 정보 데이터베이스를 만듭니다.
생성된 데이터베이스는 약물 개발에 도움이 되었습니다.마틴-벨 증후군에서. 18개월 만에 팀은 이미 두 단계의 임상 시험을 성공적으로 통과한 약물을 만들 수 있었습니다. 이에 비해 정상적인 조건에서 약물을 개발하고 테스트하는 데 5년에서 10년이 걸립니다. 동시에 제작 비용은 고전적인 것보다 훨씬 적습니다.
정보 검색 및 분류 측면에서신경망은 우수한 결과를 보여줍니다. 그들은 특정 주제와 관련된 데이터를 수집하면서 기존의 모든 언어로 비교적 빠르게 인터넷을 검색할 수 있습니다. 수동으로 작업할 때 이러한 효율성을 달성하려면 작동하지 않습니다.
인공 지능 및 맞춤 의학
가장 일반적인 대부분의 경우질병, 약물 복용 치료 계획이 개발되었습니다. 특정 질병(예: 결핵 또는 종양학)의 치료에는 오히려 독성 물질이 유일한 효과적인 약물입니다. 낮은 선택성으로 인해 이러한 약물은 부작용이 있으며 간, 신장 및 심혈 관계에 악영향을 미칩니다. 그리고 이전에 대안이 없었고 공격적인 약물의 사용이 치료 과정에서 건강 손상으로 허용되는 것으로 간주 되었다면 이제 방법론이 바뀌고 있습니다. 의학 및 의약 화학의 발전으로 근본적으로 새로운 약물을 찾는 것뿐만 아니라 이미 알려진 방법을 사용하여 최적의 치료 요법을 선택할 수 있습니다.
가지고 있는 약물의 개별 투여량강한 부작용은 환자에 대한 부정적인 영향을 줄일 수 있지만 계산의 복잡성으로 인해 대규모로 수행할 수 없습니다. 또한 하루에 여러 번 수행해야합니다.
신경망은 이러한 계산을 빠르게 수행할 수 있습니다.그리고 품질. 그래서 2018년 싱가포르 국립대학교의 과학자들은 인공 지능을 사용하여 암 환자의 병용 요법을 위한 혁신적인 CURATE.AI 시스템을 개발했습니다.
이미 첫 번째 시스템 테스트 중에그 효능을 보여주었습니다. 진행성 전립선암 환자의 경우 시스템은 전체 치료 과정에서 개별 약물 조합을 계산했습니다.
결과적으로 종양이 크게 성장합니다.속도가 느려지고 질병이 완전히 완화되었습니다. 동시에, 약물의 복용량은 그러한 경우의 표준 치료에 비해 거의 2배 적었습니다.
개인화 치료는 상상할 수 없는 가능성을 열어줍니다의학의 기회. 충분한 양의 데이터가 있는 경우 신경망 및 기타 기계 학습 방법은 용량 최적화 문제를 신속하게 해결할 수 있을 뿐만 아니라 약물 조합을 선택하여 치료 효과를 높이고 가장 효과적인 치료 전략을 결정하며 중증 예방에 도움이 될 수 있습니다. 초기 단계의 환자 상태.
유사한 시스템이 이미 제어에 사용되고 있습니다.환자 상태 및 장기 의료 데이터 수집, 그러나 시간이 지남에 따라 점점 더 의료 산업에 통합될 것입니다. 최근 몇 년 동안 질병의 예방 및 조기 진단 방법이 점점 더 많은 관심을 받고 있다는 점에 유의하는 것이 중요합니다.
인공지능은 강력한 도구이다이는 많은 산업과 의학 분야에 도움이 될 수 있습니다. 신경망과 기타 기계 학습 방법은 이미 신약 개발, 질병 연구, 환자 상태 모니터링에 도움을 주고 있습니다. 지금까지는 대규모 연구 센터와 최첨단 진료소에서만 시행되고 있지만 의학에 미치는 영향은 이미 엄청납니다.
이제 신경망의 활발한 개발이 있습니다.의학 - 당신이 상상할 수 있는 것보다 훨씬 빠릅니다. 대부분의 프로젝트와 연구는 일반 대중에게 알려지지 않고 전문 저널에만 게재됩니다. 그러나 그들은 점진적으로 한 단계씩 현재의 의학을 미래의 의학으로 변화시키고 있습니다. 그리고 곧 우리 눈으로 보게 될 것입니다.
더 읽어보기 :
가장 강력한 클래스 X 플레어는 태양에서 발생했습니다.
1181년 두 별의 충돌 결과를 살펴보십시오.
20년 전 발견된 블레이저는 극한의 물체로 밝혀졌다