Medisinen vil endre seg på alle måter i nær fremtid. Datateknologi trenger stadig dypere inn i sfæren
Utvikling og syntese av legemidler
Å lage et nytt stoff fra en idéfør oppstart av masseproduksjon tar opptil ti år. Det krever også milliarder av dollar i investeringer for arbeidet til forskningsteam og lansering av flertrinns testing. I gjennomsnitt, ifølge statistikk, mottar bare 12% av opprettede legemidler patent og tillatelse til å produsere, mens resten ikke består kliniske studier, og prosessen begynner på nytt.
Dette er grunnen til maskinlæring og nevrale nettverkbegynte å bli brukt til å forenkle prosessen med å lage narkotika. I dag i verden er det omtrent 30 storskalaprosjekter som bruker kunstig intelligens som jobber i denne retningen.
Amerikansk FDAFood and Drug Administration lanserte sitt eget prosjekt, som har som mål å redusere kostnadene for klinisk forskning i størrelsesordener ved hjelp av maskinlæring.
Prosjektets AI er trent basert på de siste 20 årenekliniske studier av amerikanske legemidler. Og ifølge eksperter kan du med dens hjelp øke sannsynligheten for vellykket gjennomføring av studier betydelig: fra 12 % til 80 %.
I følge foreløpige estimater vil bruk av kunstig intelligens og nevrale nettverk bidra til å redusere investeringene i å lage medikamenter med fire ganger, og utviklingstiden med det halve.
Kliniske studier krever store investeringer og kan ta flere år
Så langt bruker bekymringene kun AI som et hjelpeverktøy for syntese av medikamenter, og gjennomfører alle stadier av kliniske studier som vanlig. Men prosjektene viser allerede gode resultater.
AI til tjeneste for ernæringen
Fremskritt innen kunstig intelligensvaksiner mot koronavirus er kjent over hele verden. Datateknologi har redusert tiden for å utvikle en effektiv vaksine til bare noen få måneder, når klassiske forskningsmetoder krever minst et år eller to.
Men forskningen er faktisk mye dypere ennkan tenkes. Og de gjelder ikke bare virologi, men også forebyggende medisin og ernæring, som naturlige organiske forbindelser analyseres for. Det er titalls milliarder av dem, så manuell forskning er ikke særlig effektiv.
Kliniske studier krever store investeringerog kan vare i flere år. For å utvikle et nytt medikament er det nødvendig å teste dusinvis og hundrevis av kjemiske forbindelser i cellekulturer, som i fremtiden må testes i levende organismer. På grunn av dette kan alle faser av kliniske studier ta flere år.
Datakraft kan hjelpeforskere, akselererer prosessen med å lage nye medisiner betydelig, samt reduserer kostnadene for dyre kliniske studier betydelig. For eksempel bruker det britisk-irske selskapet Nuritas kunstig intelligens for å søke etter aktive organiske forbindelser som i teorien kan brukes til å behandle og forebygge sykdommer.
Ifølge selskapets eksperter er teknologien for å analysere kjemiske forbindelser ved bruk av kunstig intelligens 600 ganger mer nøyaktig og ti ganger raskere enn standardmetoder.
Imidlertid er det fortsatt umulig å klare seg uten en person. Etter at det nevrale nettverket oppdager en lovende forbindelse, foretar biokjemikere grundig forskning.
I åtte år, ansatte i selskapetregistrert 65 patenter i medisinsk industri, utvikler selskapet nå aktivt medisiner for muskelgjenoppretting, normalisering av glukosemetabolismen og nedbremsing av cellulær aldring.
Dette er bare ett av dusinvis av prosjektersom studerer kjemiske forbindelser for utvikling av kosttilskudd og biologiske kosttilskudd, samt legemidler. Og utviklingen av kunstig intelligens i fremtiden vil ytterligere akselerere forskning og forbedre effektiviteten.
Forskning på sjeldne sykdommer ved hjelp av nevrale nettverk
I dag har 95 % av sjeldne sykdommer ikke standardiserte og internasjonalt aksepterte behandlingsregimer.
Ifølge Verdens helseorganisasjon anses sykdommer med en prevalens på 1 tilfelle per 1000 personer til 1 tilfelle per 200 000 mennesker som sjeldne.
Bekymringer investerer ikke ofte ileter etter kurer for slike sykdommer. Tross alt bruker et selskap fra 200 millioner til 2 milliarder dollar på oppfinnelsen av ett medikament. Tilbakebetalingstiden for slik forskning vil være flere tiår, hvis de noen gang lønner seg.
Den største vanskeligheten ved behandling av sjeldne sykdommer er ikke syntese av medikamenter og laboratorietesting, men i mangel på kliniske data.
Derfor Healx-selskap som bruker nevrale nettverkoppretter en komplett informasjonsdatabase med 7000 sjeldne sykdommer, der den samler all informasjon fra vitenskapelig materiale, pasientdatabaser og legemiddelstudier.
Den opprettede databasen hjalp til med utviklingen av stoffetfra Martin-Bell syndrom. På 18 måneder var teamet i stand til å lage et medikament som allerede har bestått to faser av kliniske studier. Til sammenligning tar utviklingen og testingen av et legemiddel under normale forhold fem til ti år. Samtidig er kostnadene ved opprettelsen ganske enkelt størrelsesordener mindre enn de klassiske.
Når det gjelder informasjonssøk og klassifiseringnevrale nettverk viser utmerkede resultater. De er i stand til å skanne Internett relativt raskt på alle eksisterende språk, og samler data som er relatert til et spesifikt emne. Å oppnå en slik effektivitet når du arbeider manuelt, vil ikke fungere.
Kunstig intelligens og personlig medisin
For de fleste av de vanligstesykdommer, er det utviklet terapeutiske ordninger for å ta medisiner. For behandling av visse sykdommer (for eksempel tuberkulose eller onkologi) er ganske giftige stoffer de eneste effektive stoffene. På grunn av den lave selektiviteten har slike legemidler bivirkninger, påvirker leveren, nyrene og kardiovaskulærsystemet negativt. Og hvis det tidligere ikke var noen alternativer og bruken av aggressive medisiner ble ansett som akseptabel med helseskader i løpet av behandlingen, endrer metodikken seg nå. Utviklingen av medisin og medisinsk kjemi gjør det mulig å jobbe ikke bare med søket etter fundamentalt nye medikamenter, men også med valg av optimale behandlingsregimer ved bruk av allerede kjente metoder.
Individuell dosering av legemidler som harsterke bivirkninger kan redusere den negative påvirkningen på pasientene, men kompleksiteten i beregningene tillater ikke at de utføres i stor skala. I tillegg må de utføres flere ganger om dagen.
Nevrale nettverk er i stand til å utføre slike beregninger raskt.og kvalitet. Så i 2018 utviklet forskere fra National University of Singapore det innovative CURATE.AI-systemet for kombinasjonsbehandling av kreftpasienter ved bruk av kunstig intelligens.
Allerede under den første testingen av systemethar vist sin effektivitet. For en pasient med avansert prostatakreft beregnet systemet en individuell kombinasjon av legemidler gjennom hele behandlingsforløpet.
Som et resultat vokser svulsten betydeligbremset opp, og så gikk sykdommen helt i remisjon. Samtidig var dosene av legemidlene nesten to ganger lavere enn for standardbehandling av slike tilfeller.
Personaliseringsterapi åpner for uante mulighetermuligheter for medisin. Hvis det er en tilstrekkelig mengde data, kan nevrale nettverk og andre maskinlæringsmetoder bidra til å ikke bare raskt løse problemet med doseoptimalisering, men også velge kombinasjoner av medikamenter for å øke effektiviteten av behandlingen, bestemme den mest effektive behandlingstaktikken og forhindre kritiske pasientens tilstand i de tidligste stadiene.
Lignende systemer er allerede i bruk for å kontrollerepasientforhold og innsamling av langsiktige medisinske data, men over tid vil de bli stadig mer integrert i helsevesenet. Det er viktig å merke seg at de siste årene har metoder for forebygging og tidlig diagnose av sykdommer tiltrukket seg mer og mer oppmerksomhet.
Kunstig intelligens er et kraftig verktøysom kan komme mange bransjer og medisinske områder til gode. Nevrale nettverk og andre maskinlæringsmetoder bidrar allerede til å lage nye medisiner, studere sykdommer og overvåke pasientenes tilstand. Foreløpig implementeres de bare av store forskningssentre og de mest avanserte klinikkene, men deres innvirkning på medisinen er allerede enorm.
Nå foregår det en aktiv utvikling av nevrale nettverk imedisin - mye raskere enn du kan forestille deg. De fleste prosjekter og studier blir ikke kjent for allmennheten og vises kun i spesialiserte tidsskrifter. Imidlertid forvandler de gradvis, trinn for trinn, dagens medisin til fremtidens medisin. Og snart vil vi se det med egne øyne.
Les mer:
Den sterkeste klasse X-flammen skjedde på Solen
Se på konsekvensene av kollisjonen i 1181 av to stjerner
Blazar, som ble funnet for 20 år siden, viste seg å være et ekstremt objekt