Människans reaktion på droger lärt sig att förutsäga

Läkemedelsutveckling tar lång tid. Från att hitta rätt substans till FDA-godkännande

 sanitär tillsyn av kvalitetFood and Drugs) kan ta mer än tio år och kosta en miljard dollar. Ett forskarlag vid City University of New York Graduate Center har skapat en artificiell intelligensmodell som minskar tiden och kostnaderna för läkemedelsutvecklingsprocessen.

Modellen hette CODE-AE och den testar nyläkemedelsföreningar för att förutsäga hur de kommer att påverka människor och deras effektivitet. Under testerna hittade forskare, om än teoretiskt, personanpassade läkemedel för mer än 9 000 patienter som bättre skulle behandla patienternas sjukdomar. Författarna till utvecklingen hoppas att deras metod avsevärt kommer att påskynda upptäckten av läkemedel och precisionsmedicin.

Exakt och pålitlig reaktionsförutsägelseEtt specifikt patientsvar på en ny kemisk förening är avgörande för upptäckten av säkra och effektiva terapier och valet av ett befintligt läkemedel för en specifik patient. Det är dock inte möjligt att tidigt testa läkemedlets effektivitet direkt på människor.

Som analoger använder forskare celluläraeller tygmodeller. Målet är att utvärdera den terapeutiska effekten av en läkemedelsmolekyl. Men läkemedlets effekt i modellen korrelerar ofta inte med läkemedlets effekt och toxicitet hos mänskliga patienter. Denna kunskapsklyfta är en viktig faktor för de höga kostnaderna och låga produktiviteten för läkemedelsutveckling.

Läs mer:

Levande organismer har gjort Mars obeboelig

Самое мощное столкновение черных дыр во Вселенной доказало теорию Эйнштейна

Benen i Midnight Terror Cave undersöktes noggrant och fann oförklarliga fotspår.