Медицина ће се у блиској будућности променити у сваком погледу. Компјутерске технологије продиру све дубље у сферу
Развој и синтеза лекова
Креирање новог лека из идејепре почетка масовне производње потребно је и до десет година. Такође додатно захтева милијарде долара улагања за рад истраживачких тимова и покретање вишестепеног тестирања. У просеку, према статистикама, само 12% створених лекова добије патент и дозволу за производњу, док остали не прођу клиничка испитивања, а процес почиње изнова.
Због тога су машинско учење и неуронске мрежепочео да се користи за поједностављење процеса стварања лекова. Данас у свету постоји око 30 великих пројеката који користе вештачку интелигенцију који раде у овом правцу.&нбсп;
Америцан ФДАУправа за храну и лекове покренула је сопствени пројекат чији је циљ смањење трошкова клиничких истраживања за редове величине коришћењем машинског учења.
АИ пројекта је обучен на основу последњих 20 годинаклиничка испитивања америчких лекова. А, према мишљењу стручњака, уз његову помоћ можете значајно повећати вероватноћу успешног завршетка студија: са 12% на 80%.&нбсп;
Према прелиминарним проценама, коришћење вештачке интелигенције и неуронских мрежа помоћи ће да се четири пута смање улагања у стварање лекова, а време развоја за половину.
Клиничка испитивања захтевају велика улагања и могу трајати неколико година
Корпорације до сада користе вештачку интелигенцију само као помоћно средство за синтезу лекова, спроводећи све фазе клиничких испитивања као и обично. Али пројекти већ показују добре резултате.
АИ у служби исхране
Напредак у стварању вештачке интелигенцијевакцине против коронавируса познате су широм света. Компјутерске технологије су смањиле време за развој ефикасне вакцине на само неколико месеци, када је за класичне методе истраживања потребно најмање годину или две.&нбсп;
Али истраживање је заправо много дубље одможе се замислити. И тичу се не само вирологије, већ и превентивне медицине и исхране, за које се анализирају природна органска једињења. Има их на десетине милијарди, па ручно истраживање није баш ефикасно.
Клиничка испитивања захтевају велика улагањаи може трајати неколико година. За развој новог лека потребно је тестирати десетине и стотине хемијских једињења у ћелијским културама, која ће у будућности морати да се тестирају на живим организмима. Због тога све фазе клиничких испитивања могу трајати неколико година.
Снага рачунара може помоћиистраживача, значајно убрзавајући процес стварања нових лекова, као и значајно смањење трошкова скупих клиничких испитивања. На пример, британско-ирска компанија Нуритас користи вештачку интелигенцију за тражење активних органских једињења која се, теоретски, могу користити за лечење и превенцију болести.
Как утверждают специалисты компании, технология анализа химических соединений с помощью искусственного интеллекта в 600 раз точнее и в десять раз быстрее, чем стандартные методики.
Впрочем, без человека пока еще не обойтись. После того, как нейросеть обнаруживает перспективное соединение, за глубокое исследование берутся биохимики.
За восемь лет сотрудники компании зарегистрировали 65 патентов в медицинской отрасли, сейчас компания активно разрабатывает препараты для восстановления мышц, нормализации метаболизма глюкозы и замедления клеточного старения.
Ово је само један од десетина пројекатакоји проучавају хемијска једињења за развој дијететских и биолошких додатака исхрани, као и лекова. А развој вештачке интелигенције у будућности ће додатно убрзати истраживање и побољшати његову ефикасност.
Исследование редких болезней нейросетями
Данас 95% ретких болести нема стандардизоване и међународно прихваћене режиме лечења.
Према Светској здравственој организацији, болести са преваленцијом од 1 случај на 1.000 људи до 1 случај на 200.000 људи сматрају се ретким.
Концерны не слишком часто инвестируют средства в поиски лекарств от таких болезней. Ведь на изобретение одного препарата компания тратит от $200 млн до $2 млрд. Время окупаемости таких исследований составит десятки лет, если они вообще когда-нибудь окупятся.
Главна потешкоћа у лечењу ретких болести није у синтези лекова и лабораторијским испитивањима, већ у недостатку клиничких података.
Поэтому компания Healx с помощью нейросетей создает полную информационную базу 7 000 редких болезней, в которой собирает все ведомости из научных материалов, баз данных пациентов и исследований лекарств.
Створена база података помогла је у развоју лекаод Мартин-Белл синдрома. За 18 месеци тим је успео да створи лек који је већ успешно прошао две фазе клиничких испитивања. Поређења ради, у нормалним условима, развој и тестирање лека траје пет до десет година. Истовремено, трошкови његовог стварања су једноставно за редове величине мањи од класичних.
У погледу претраживања информација и његове класификацијенеуронске мреже показују одличне резултате. Они су у стању да релативно брзо скенирају Интернет на свим постојећим језицима, прикупљајући податке који се односе на одређену тему. Постизање такве ефикасности када се ради ручно неће радити.
Вештачка интелигенција и персонализована медицина
За већину најчешћихболести, развијене су терапијске шеме за узимање лекова. За лечење одређених болести (на пример, туберкулоза или онкологија), прилично токсичне супстанце су једини ефикасни лекови. Због ниске селективности, такви лекови имају нежељене ефекте, негативно утичу на јетру, бубреге и кардиоваскуларни систем. И ако раније није било алтернативе и употреба агресивних лекова се сматрала прихватљивом са оштећењем здравља током лечења, сада се методологија мења. Развој медицине и медицинске хемије омогућава да се ради не само на потрази за фундаментално новим лековима, већ и на избору оптималних режима лечења користећи већ познате методе.
Појединачно дозирање лекова који имајујаки нежељени ефекти би могли смањити негативан утицај на пацијенте, али сложеност прорачуна не дозвољава да се они спроводе у великом обиму. Поред тога, потребно их је изводити неколико пута дневно.
Неуронске мреже су у стању да брзо изврше такве прорачуне.и квалитет. Тако су 2018. године научници са Националног универзитета Сингапура развили иновативни систем ЦУРАТЕ.АИ за комбиновану терапију пацијената оболелих од рака помоћу вештачке интелигенције.
Уже во время первого тестирования система показала свою эффективность. Для пациента с прогрессирующим раком простаты система рассчитывала индивидуальную комбинацию препаратов на протяжении всего курса лечения.
Как результат — рост опухоли значительно замедлился, а затем болезнь и вовсе перешла в стадию ремиссии. При этом дозировки препаратов были практически в два раза меньше, чем при стандартной терапии таких случаев.
Персонализация терапии открывает невообразимые возможности для медицины. При наличии достаточного количества данных нейросети и другие методы машинного обучения могут помочь не только оперативно решать задачу оптимизации дозы, но и подбирать комбинации препаратов для повышения эффективности лечения, определять наиболее результативную тактику лечения и предотвращать критические состояния пациента уже на самых ранних стадиях.
Слични системи се већ користе за контролустања пацијената и прикупљање дугорочних медицинских података, али ће временом они све више бити интегрисани у здравствену индустрију. Важно је напоменути да последњих година све више пажње привлаче методе превенције и ране дијагнозе болести.
Искусственный интеллект — это сильный инструмент, который способен принести пользу во многих отраслях и сферах медицины. Нейросети и другие методы машинного обучения уже сегодня помогают создавать новые лекарства, исследовать болезни, мониторить состояние пациентов. Пока что их внедряют только крупные исследовательские центры и самые передовые клиники, но их влияние на медицину уже огромно.
Сада постоји активан развој неуронских мрежа умедицина - много брже него што можете замислити. Већина пројеката и студија не постају познати широј јавности и појављују се само у специјализованим часописима. Међутим, они постепено, корак по корак, трансформишу медицину данашњице у медицину будућности. И ускоро ћемо то видети својим очима.
Опширније:
Најјача бакља класе Кс десила се на Сунцу
Погледајте последице судара у 1181 две звезде
Блазар, који је пронађен пре 20 година, показао се као екстреман објекат