Medicina artimiausiu metu pasikeis visais atžvilgiais. Kompiuterinės technologijos vis giliau skverbiasi į sferą
Vaistų kūrimas ir sintezė
Naujo vaisto kūrimas iš idėjosiki masinės gamybos pradžios užtrunka iki dešimties metų. Taip pat papildomai reikia milijardų dolerių investicijų mokslinių tyrimų grupių darbui ir kelių etapų bandymams pradėti. Remiantis statistika, vidutiniškai tik 12% sukurtų vaistų gauna patentą ir leidimą gaminti, o likusieji nepraeina klinikinių tyrimų, o procesas prasideda iš naujo.
Štai kodėl mašininis mokymasis ir neuroniniai tinklaipradėtas naudoti vaistų kūrimo procesui supaprastinti. Šiandien pasaulyje yra apie 30 didelio masto projektų, kuriuose naudojamas dirbtinis intelektas, kurie veikia šia kryptimi.
Amerikos FDAMaisto ir vaistų administracija pradėjo savo projektą, kurio tikslas – naudojant mašininį mokymąsi sumažinti klinikinių tyrimų išlaidas.
Projekto dirbtinis intelektas mokomas remiantis pastaraisiais 20 metųAmerikos vaistų klinikiniai tyrimai. Ir, anot specialistų, su jo pagalba galima gerokai padidinti tikimybę sėkmingai baigti studijas: nuo 12% iki 80%.
Preliminariais skaičiavimais, dirbtinio intelekto ir neuroninių tinklų naudojimas padės keturis kartus sumažinti investicijas į vaistų kūrimą, o kūrimo laiką – perpus.
Klinikiniai tyrimai reikalauja didelių investicijų ir gali užtrukti keletą metų
Kol kas koncernai AI naudoja tik kaip pagalbinę vaistų sintezės priemonę, kaip įprasta atliekant visus klinikinių tyrimų etapus. Tačiau projektai jau rodo gerus rezultatus.
AI mitybos tarnyboje
Dirbtinio intelekto kūrimo pažangakoronaviruso vakcinos žinomos visame pasaulyje. Dėl kompiuterinių technologijų efektyvios vakcinos sukūrimo laikas sutrumpėjo iki kelių mėnesių, kai klasikiniams tyrimo metodams prireikia bent metų ar dvejų.
Tačiau tyrimai iš tikrųjų yra daug gilesni neigalima įsivaizduoti. Ir jie liečia ne tik virusologiją, bet ir profilaktinę mediciną bei mitybą, kuriai analizuojami natūralūs organiniai junginiai. Jų yra dešimtys milijardų, todėl rankinis tyrimas nėra labai efektyvus.
Klinikiniai tyrimai reikalauja didelių investicijųir gali trukti keletą metų. Norint sukurti naują vaistą, būtina ląstelių kultūrose ištirti dešimtis ir šimtus cheminių junginių, kuriuos ateityje reikės tirti gyvuose organizmuose. Dėl šios priežasties visi klinikinių tyrimų etapai gali užtrukti keletą metų.
Kompiuterio galia gali padėtityrėjų, gerokai paspartindamas naujų vaistų kūrimo procesą, taip pat gerokai sumažindamas brangių klinikinių tyrimų išlaidas. Pavyzdžiui, britų ir airių bendrovė „Nuritas“ naudoja dirbtinį intelektą ieškodama aktyvių organinių junginių, kurie teoriškai gali būti naudojami ligų gydymui ir profilaktikai.
Įmonės ekspertų teigimu, cheminių junginių analizės technologija naudojant dirbtinį intelektą yra 600 kartų tikslesnė ir dešimt kartų greitesnė nei standartiniai metodai.
Tačiau be žmogaus vis tiek neįmanoma. Neuroniniam tinklui aptikus daug žadantį junginį, biochemikai imasi nuodugnių tyrimų.
Aštuonerius metus įmonės darbuotojaimedicinos pramonėje įregistravo 65 patentus, šiuo metu įmonė aktyviai kuria vaistus, skirtus raumenų atsistatymui, gliukozės metabolizmo normalizavimui ir ląstelių senėjimo lėtinimui.
Tai tik vienas iš dešimčių projektųkurie tiria cheminius junginius, skirtus dietiniams ir biologiniams maisto papildams, taip pat vaistams kurti. O dirbtinio intelekto plėtra ateityje dar labiau paspartins tyrimus ir pagerins jų efektyvumą.
Retų ligų tyrimas naudojant neuroninius tinklus
Šiandien 95% retųjų ligų neturi standartizuotų ir tarptautiniu mastu pripažintų gydymo režimų.
Pasaulio sveikatos organizacijos duomenimis, ligos, kurių paplitimas yra 1 atvejis 1000 žmonių, 1 atvejis iš 200 000 žmonių, laikomos retomis.
Koncernai dažnai neinvestuojaieškant vaistų nuo tokių ligų. Juk vieno vaisto išradimui įmonė išleidžia nuo 200 iki 2 milijardų dolerių. Tokių tyrimų atsipirkimo laikas bus dešimtmečiai, jei kada nors jie pasiteisins.
Pagrindinis retų ligų gydymo sunkumas yra ne vaistų sintezė ir laboratoriniai tyrimai, o klinikinių duomenų trūkumas.
Todėl „Healx“ kompanija naudoja neuroninius tinklussukuria pilną 7000 retų ligų informacinę duomenų bazę, kurioje renka visą informaciją iš mokslinės medžiagos, pacientų duomenų bazių ir vaistų tyrimų.
Sukurta duomenų bazė padėjo sukurti vaistąnuo Martin-Bell sindromo. Per 18 mėnesių komanda sugebėjo sukurti vaistą, kuris jau sėkmingai išlaikė du klinikinių tyrimų etapus. Palyginimui, normaliomis sąlygomis vaisto sukūrimas ir išbandymas trunka nuo penkerių iki dešimties metų. Tuo pačiu metu jo sukūrimo išlaidos yra tiesiog mažesnės nei klasikinės.
Informacijos paieškos ir jos klasifikavimo požiūriuneuroniniai tinklai rodo puikius rezultatus. Jie gali palyginti greitai nuskaityti internetą visomis esamomis kalbomis, rinkdami duomenis, susijusius su konkrečia tema. Norint pasiekti tokį efektyvumą dirbant rankiniu būdu, nepavyks.
Dirbtinis intelektas ir personalizuota medicina
Daugumai dažniausiai pasitaikančiųsusirgimų, sukurtos terapinės vaistų vartojimo schemos. Gydant tam tikras ligas (pavyzdžiui, tuberkuliozę ar onkologiją), gana toksiškos medžiagos yra vieninteliai veiksmingi vaistai. Dėl mažo selektyvumo tokie vaistai turi šalutinį poveikį, neigiamai veikia kepenis, inkstus ir širdies ir kraujagyslių sistemą. Ir jei anksčiau alternatyvų nebuvo, o agresyvių vaistų vartojimas su žala sveikatai gydymo eigoje buvo laikomas priimtinu, tai dabar metodika keičiasi. Medicinos ir medicininės chemijos raida leidžia dirbti ne tik ieškant iš esmės naujų vaistų, bet ir parenkant optimalius gydymo režimus, naudojant jau žinomus metodus.
Individuali vaistų, turinčiųstiprus šalutinis poveikis gali sumažinti neigiamą poveikį pacientams, tačiau skaičiavimų sudėtingumas neleidžia jų atlikti dideliu mastu. Be to, juos reikia atlikti kelis kartus per dieną.
Neuroniniai tinklai tokius skaičiavimus gali atlikti greitai.ir kokybė. Taigi 2018 metais Singapūro nacionalinio universiteto mokslininkai sukūrė novatorišką CURATE.AI sistemą, skirtą vėžiu sergančių pacientų kombinuotai terapijai naudojant dirbtinį intelektą.
Jau per pirmąjį sistemos testavimąparodė savo veiksmingumą. Pacientui, sergančiam progresavusiu prostatos vėžiu, sistema apskaičiavo individualų vaistų derinį viso gydymo kurso metu.
Dėl to navikas žymiai padidėjasulėtėjo, o tada liga visiškai remisija. Tuo pačiu metu vaistų dozės buvo beveik du kartus mažesnės nei standartiniam tokių atvejų gydymui.
Personalizuojanti terapija atveria neįsivaizduojamas galimybesmedicinos galimybes. Esant pakankamam duomenų kiekiui, neuroniniai tinklai ir kiti mašininio mokymosi metodai gali padėti ne tik greitai išspręsti dozės optimizavimo problemą, bet ir parinkti vaistų derinius, didinančius gydymo efektyvumą, nustatyti efektyviausią gydymo taktiką ir užkirsti kelią kritinėms situacijoms. paciento būklės ankstyviausiose stadijose.
Panašios sistemos jau naudojamos valdymuipacientų būklę ir ilgalaikių medicininių duomenų rinkimą, tačiau laikui bėgant jie bus vis labiau integruoti į sveikatos priežiūros pramonę. Svarbu pažymėti, kad pastaraisiais metais vis daugiau dėmesio sulaukia ligų prevencijos ir ankstyvos diagnostikos metodai.
Dirbtinis intelektas yra galingas įrankiskuri gali būti naudinga daugeliui medicinos pramonės šakų ir sričių. Neuroniniai tinklai ir kiti mašininio mokymosi metodai jau padeda kurti naujus vaistus, tirti ligas, stebėti pacientų būklę. Kol kas jas diegia tik dideli tyrimų centrai ir pažangiausios klinikos, tačiau jų įtaka medicinai jau milžiniška.
Dabar aktyviai vystomi neuroniniai tinklaimedicina – daug greičiau, nei galite įsivaizduoti. Dauguma projektų ir studijų netampa žinomi plačiajai visuomenei ir pasirodo tik specializuotuose žurnaluose. Tačiau jie palaipsniui, žingsnis po žingsnio, transformuoja šiandienos mediciną į ateities mediciną. Ir netrukus tai pamatysime savo akimis.
Skaityti daugiau:
Stipriausias X klasės pliūpsnis įvyko Saulėje
Pažiūrėkite į dviejų žvaigždžių susidūrimo pasekmes 1181 m
Prieš 20 metų rastas Blazaras pasirodė esąs ekstremalus objektas