De geneeskunde zal in de nabije toekomst op alle vlakken veranderen. Computertechnologieën dringen steeds dieper door in deze wereld
Ontwikkeling en synthese van medicijnen
Een nieuw medicijn creëren vanuit een ideevoordat de start van massaproductie tot tien jaar duurt. Het vereist ook miljarden dollars aan investeringen voor het werk van onderzoeksteams en de lancering van meertrapstests. Volgens de statistieken krijgt gemiddeld slechts 12% van de gemaakte medicijnen een patent en toestemming om te produceren, terwijl de rest de klinische proeven niet doorstaat en het proces opnieuw begint.
Dit is de reden waarom machine learning en neurale netwerkenbegon te worden gebruikt om het proces van het maken van medicijnen te vereenvoudigen. Tegenwoordig zijn er in de wereld ongeveer 30 grootschalige projecten die gebruik maken van kunstmatige intelligentie en die in deze richting werken.
Amerikaanse FDADe Food and Drug Administration heeft een eigen project gelanceerd, met als doel de kosten van klinisch onderzoek met grote hoeveelheden te verlagen met behulp van machine learning.
De AI van het project is getraind op basis van de afgelopen 20 jaarklinische proeven met Amerikaanse medicijnen. En volgens experts kun je met zijn hulp de kans op een succesvolle afronding van een studie aanzienlijk vergroten: van 12% naar 80%.
Volgens voorlopige schattingen zal het gebruik van kunstmatige intelligentie en neurale netwerken de investeringen in het maken van medicijnen met vier keer helpen verminderen, en de ontwikkelingstijd met de helft.
Klinische proeven vergen grote investeringen en kunnen meerdere jaren duren
Tot nu toe gebruiken de zorgen AI alleen als een hulpmiddel voor de synthese van medicijnen, waarbij alle stadia van klinische onderzoeken zoals gewoonlijk worden uitgevoerd. Maar de projecten laten nu al goede resultaten zien.
AI ten dienste van voeding
Vooruitgang in het creëren van kunstmatige intelligentieCoronavaccins zijn over de hele wereld bekend. Computertechnologieën hebben de tijd om een effectief vaccin te ontwikkelen teruggebracht tot slechts een paar maanden, terwijl klassieke onderzoeksmethoden minstens een jaar of twee nodig hebben.
Maar het onderzoek gaat eigenlijk veel dieper dankan worden gedacht. En ze hebben niet alleen betrekking op virologie, maar ook op preventieve geneeskunde en voeding, waarvoor natuurlijke organische verbindingen worden geanalyseerd. Het zijn er tientallen miljarden, dus handmatig onderzoek is niet erg effectief.
Klinische proeven vergen grote investeringenen kan meerdere jaren duren. Om een nieuw medicijn te ontwikkelen, is het nodig om tientallen en honderden chemische verbindingen in celculturen te testen, die later in levende organismen moeten worden getest. Hierdoor kunnen alle fasen van klinische onderzoeken meerdere jaren duren.
Computerkracht kan helpenonderzoekers, waardoor het proces van het maken van nieuwe medicijnen aanzienlijk wordt versneld en de kosten van dure klinische onderzoeken aanzienlijk worden verlaagd. Zo zoekt het Brits-Ierse bedrijf Nuritas met kunstmatige intelligentie naar actieve organische verbindingen die in theorie gebruikt kunnen worden om ziekten te behandelen en te voorkomen.
Volgens bedrijfsexperts is de technologie voor het analyseren van chemische verbindingen met behulp van kunstmatige intelligentie 600 keer nauwkeuriger en tien keer sneller dan standaardmethoden.
Het is echter nog steeds onmogelijk om zonder een persoon te doen. Nadat het neurale netwerk een veelbelovende verbinding heeft ontdekt, ondernemen biochemici diepgaand onderzoek.
Acht jaar lang werknemers van het bedrijfHet bedrijf heeft 65 patenten geregistreerd in de medische industrie en is nu actief bezig met de ontwikkeling van medicijnen voor spierherstel, normalisatie van het glucosemetabolisme en vertraging van cellulaire veroudering.
Dit is slechts één van de tientallen projectendie chemische verbindingen bestuderen voor de ontwikkeling van dieet- en biologische voedingssupplementen, evenals medicijnen. En de ontwikkeling van kunstmatige intelligentie in de toekomst zal het onderzoek verder versnellen en de effectiviteit ervan verbeteren.
Onderzoek naar zeldzame ziekten met behulp van neurale netwerken
Tegenwoordig heeft 95% van de zeldzame ziekten geen gestandaardiseerde en internationaal aanvaarde behandelingsregimes.
Volgens de Wereldgezondheidsorganisatie worden ziekten met een prevalentie van 1 geval per 1.000 mensen tot 1 geval per 200.000 mensen als zeldzaam beschouwd.
Zorgen investeren niet vaak inop zoek naar geneesmiddelen voor dergelijke ziekten. Een bedrijf besteedt immers tussen de 200 miljoen en 2 miljard dollar aan de uitvinding van één medicijn. De terugverdientijd voor dergelijk onderzoek zal tientallen jaren bedragen, als het ooit vruchten afwerpt.
De grootste moeilijkheid bij de behandeling van zeldzame ziekten is niet de synthese van geneesmiddelen en laboratoriumtests, maar het gebrek aan klinische gegevens.
Daarom maakt Healx-bedrijf gebruik van neurale netwerkencreëert een complete informatiedatabase van 7.000 zeldzame ziekten, waarin het alle informatie verzamelt uit wetenschappelijk materiaal, patiëntendatabases en geneesmiddelenstudies.
De gecreëerde database hielp bij de ontwikkeling van het medicijnvan het Martin-Bell-syndroom. In 18 maanden tijd slaagde het team erin een medicijn te ontwikkelen dat al twee fasen van klinische proeven met succes heeft doorstaan. Ter vergelijking: onder normale omstandigheden duurt het ontwikkelen en testen van een medicijn vijf tot tien jaar. Tegelijkertijd zijn de kosten van de creatie ervan gewoon ordes van grootte lager dan de klassieke.
In termen van het zoeken naar informatie en de classificatie ervanneurale netwerken laten uitstekende resultaten zien. Ze kunnen relatief snel het internet afspeuren in alle bestaande talen en gegevens verzamelen die betrekking hebben op een specifiek onderwerp. Het bereiken van dergelijke efficiëntie bij handmatig werken zal niet werken.
Kunstmatige intelligentie en gepersonaliseerde geneeskunde
Voor de meeste van de meest voorkomendeziekten zijn therapeutische schema's voor het innemen van medicijnen ontwikkeld. Voor de behandeling van bepaalde ziekten (bijvoorbeeld tuberculose of oncologie) zijn tamelijk giftige stoffen de enige effectieve medicijnen. Vanwege de lage selectiviteit hebben dergelijke medicijnen bijwerkingen en hebben ze een negatieve invloed op de lever, de nieren en het cardiovasculaire systeem. En als er eerder geen alternatieven waren en het gebruik van agressieve medicijnen aanvaardbaar werd geacht met schade aan de gezondheid tijdens de behandeling, verandert nu de methodologie. De ontwikkeling van de geneeskunde en de medicinale chemie maakt het mogelijk om niet alleen te werken aan de zoektocht naar fundamenteel nieuwe medicijnen, maar ook aan de selectie van optimale behandelingsregimes met behulp van reeds bekende methoden.
Individuele dosering van medicijnen die dat wel hebbensterke bijwerkingen kunnen de negatieve impact op patiënten verminderen, maar de complexiteit van de berekeningen laat niet toe dat ze op grote schaal worden uitgevoerd. Bovendien moeten ze meerdere keren per dag worden uitgevoerd.
Neurale netwerken zijn in staat dergelijke berekeningen snel uit te voeren.en kwaliteit. Daarom ontwikkelden wetenschappers van de National University of Singapore in 2018 het innovatieve CURATE.AI-systeem voor combinatietherapie van kankerpatiënten met behulp van kunstmatige intelligentie.
Al tijdens de eerste test van het systeemheeft zijn doeltreffendheid bewezen. Voor een patiënt met gevorderde prostaatkanker berekende het systeem een individuele combinatie van medicijnen gedurende de gehele behandelingskuur.
Als gevolg hiervan groeit de tumor aanzienlijkvertraagde, en toen ging de ziekte volledig in remissie. Tegelijkertijd waren de doseringen van de medicijnen bijna twee keer minder dan bij de standaardbehandeling van dergelijke gevallen.
Het personaliseren van therapie opent onvoorstelbare mogelijkhedenmogelijkheden voor medicijnen. Als er voldoende gegevens zijn, kunnen neurale netwerken en andere machinale leermethoden niet alleen helpen het probleem van dosisoptimalisatie snel op te lossen, maar ook combinaties van medicijnen selecteren om de effectiviteit van de behandeling te vergroten, de meest effectieve behandelingstactieken te bepalen en kritische problemen te voorkomen. toestand van de patiënt in de vroegste stadia.
Soortgelijke systemen worden al gebruikt om te controlerende toestand van patiënten en het verzamelen van medische gegevens op lange termijn, maar in de loop van de tijd zullen deze steeds meer in de gezondheidszorg worden geïntegreerd. Het is belangrijk op te merken dat methoden voor preventie en vroege diagnose van ziekten de afgelopen jaren steeds meer aandacht hebben getrokken.
Kunstmatige intelligentie is een krachtig hulpmiddelwaarvan vele industrieën en gebieden van de geneeskunde kunnen profiteren. Neurale netwerken en andere machinale leermethoden helpen nu al bij het creëren van nieuwe medicijnen, het bestuderen van ziekten en het monitoren van de toestand van patiënten. Tot nu toe worden ze alleen geïmplementeerd door grote onderzoekscentra en de meest geavanceerde klinieken, maar hun impact op de geneeskunde is al enorm.
Nu is er sprake van een actieve ontwikkeling van neurale netwerkenmedicijn - veel sneller dan u zich kunt voorstellen. De meeste projecten en onderzoeken worden niet bekend bij het grote publiek en verschijnen alleen in gespecialiseerde tijdschriften. Ze transformeren echter geleidelijk, stap voor stap, de geneeskunde van vandaag in de geneeskunde van de toekomst. En binnenkort zullen we het met onze eigen ogen zien.
Lees verder:
De sterkste zonnevlam van klasse X vond plaats op de zon
Kijk naar de gevolgen van de botsing in 1181 van twee sterren
Blazar, dat 20 jaar geleden werd gevonden, bleek een extreem object te zijn