Найближчим часом медицина всебічно зміниться. Комп'ютерні технології все глибше проникають у сферу
Розробка та синтез лікарських препаратів
Створення нового лікарського препарату від ідеїдо запуску масового провадження займає до десяти років. Також додатково вимагає мільярдів доларів інвестицій на роботу дослідницьких команд та запуску багатоетапного тестування. У середньому, за статистикою, лише 12% створених препаратів отримують патент та дозвіл на виробництво, решта ж не проходять клінічні тестування, і процес починається наново.
Саме тому машинне навчання та нейромережістали використовувати, щоб спростити процес створення лікарських засобів. На сьогодні у світі існує приблизно 30 масштабних проектів із використанням штучного інтелекту, які працюють у цьому напрямі.
Американське управління з санітарного нагляду заякістю харчових продуктів та медикаментів запустило власний проект, мета якого — на порядок скоротити витрати на клінічні дослідження за допомогою машинного навчання.
ІІ проекту навчено на основі 20 останніх роківклінічні дослідження американських препаратів. І, за даними експертів, за його допомогою можна значно збільшити ймовірність успішного проходження досліджень: з 12% до 80%.
За попередніми оцінками, використання штучного інтелекту та нейромереж допоможе скоротити інвестиції у створення лікарських препаратів у чотири рази, а час розробки – у два рази.
Клінічні випробування вимагають великих інвестицій і можуть тривати кілька років
Поки що концерни використовують ІІ лише як допоміжний інструмент для синтезу ліків, проводячи всі стадії клінічних досліджень як завжди. Але проекти вже показують добрі результати.
ІІ на службі нутріціології
Успіхи штучного інтелекту у створеннівакцин від коронавірусу відомі усьому світу. Комп'ютерні технології скоротили час розробки результативної вакцини буквально до кількох місяців, коли для класичних методів досліджень потрібно щонайменше рік-два.
Але насправді дослідження набагато глибші, ніжможна уявити. І стосуються вони не лише вірусології, а й профілактичної медицини та нутриціології, для яких аналізують натуральні органічні сполуки. Їх існує десятки мільярдів, тому дослідження вручну не надто ефективні.
Клінічні випробування вимагають великих інвестиційі може тривати кілька років. Для розробки нового препарату потрібно протестувати на клітинних культурах десятки та сотні хімічних сполук, які надалі потрібно буде перевірити і живих організмах. Через це всі фази клінічних випробувань можуть тривати кілька років.
Комп'ютерні потужності здатні допомогтидослідникам, значно прискоривши процес створення нових лікарських засобів, а також відчутно скоротити витрати на проведення дорогих клінічних випробувань. Наприклад, британо-ірландська компанія Nuritas використовує штучний інтелект для пошуку активних органічних сполук, які в теорії можна використовувати для лікування та запобігання хворобам.
Як стверджують фахівці компанії, технологія аналізу хімічних сполук за допомогою штучного інтелекту в 600 разів точніша і вдесятеро швидше, ніж стандартні методики.
Втім, без людини поки що не обійтися. Після того, як нейромережа виявляє перспективну сполуку, за глибоке дослідження беруться біохіміки.
За вісім років співробітники компаніїзареєстрували 65 патентів у медичній галузі, зараз компанія активно розробляє препарати для відновлення м'язів, нормалізації метаболізму глюкози та уповільнення клітинного старіння.
Це лише один із кількох десятків проектів,які вивчають хімічні сполуки для розробки дієтичних та біологічних харчових добавок та лікарських препаратів. А розвиток штучного інтелекту в перспективі ще більше прискорить дослідження та покращить їхню результативність.
Дослідження рідкісних хвороб нейромережами
На сьогодні 95% рідкісних хвороб не мають стандартизованих та міжнародно прийнятих схем лікування.
За даними Всесвітньої організації охорони здоров'я, рідкісними вважаються хвороби з поширеністю від 1 випадку на 1000 осіб до 1 випадку на 200000 осіб.
Концерни не надто часто інвестують кошти впошук ліків від таких хвороб. Адже на винахід одного препарату компанія витрачає від $200 млн до $2 млрд. Час окупності таких досліджень складе десятки років, якщо вони взагалі окупляться колись.
Основна складність лікування рідкісних хвороб не в синтезі ліків та лабораторних тестуваннях, а в нестачі клінічних даних.
Тому компанія Healx за допомогою нейромережстворює повну інформаційну базу 7 000 рідкісних хвороб, у якій збирає всі відомості з наукових матеріалів, баз даних пацієнтів та досліджень ліків.
Створена база допомогла при розробці ліківвід синдрому Мартіна-Белл. За 18 місяців команда змогла створити препарат, який успішно пройшов дві фази клінічних досліджень. Для порівняння, у звичайних умовах розробка та тестування лікарського препарату займає від п'яти до десяти років. При цьому витрати на його створення просто на порядки менші за класичні.
У частині пошуку інформації та її класифікаціїнейромережі показують чудові результати. Вони здатні відносно швидко сканувати інтернет всіма існуючими мовами, збираючи дані, які стосуються конкретної теми. Домогтися такої ефективності під час роботи вручну не вдасться.
Штучний інтелект та персоніфікована медицина
Для більшості найпоширенішиххвороб розроблено терапевтичні схеми прийому лікарських засобів. Для лікування деяких хвороб (наприклад, туберкульозу або онкології) єдиними ефективними препаратами є досить токсичні речовини. Через низьку селективність такі ліки надають побічні дії, згубно впливають на печінку, нирки та серцево-судинну систему. І якщо раніше альтернатив не існувало і застосування агресивних препаратів вважалося допустимим із заподіянням шкоди здоров'ю в процесі лікування, то зараз методика змінюється. Розвиток медицини та медичної хімії дозволяє працювати не лише над пошуком принципово нових ліків, а й над підбором оптимальних схем лікування за відомими методиками.
Індивідуальне дозування препаратів, які маютьсильні побічні ефекти могли б знизити негативний вплив на пацієнтів, але складність розрахунків не дозволяє проводити їх масово. До того ж, їх потрібно проводити кілька разів на день.
Нейросети здатні проводити такі розрахунки швидкота якісно. Так, у 2018 році вчені Національного університету Сінгапуру розробили інноваційну систему CURATE.AI для комбінаційної терапії ракових хворих за допомогою штучного інтелекту.
Вже під час першого тестування системапоказала свою ефективність. Для пацієнта з прогресуючим раком простати система розраховувала індивідуальну комбінацію препаратів протягом усього курсу лікування.
Як результат – зростання пухлини значносповільнився, а потім хвороба взагалі перейшла в стадію ремісії. При цьому дозування препаратів було практично вдвічі менше, ніж при стандартній терапії таких випадків.
Персоналізація терапії відкриває неймовірніможливості для медицини За наявності достатньої кількості даних нейромережі та інші методи машинного навчання можуть допомогти не тільки оперативно вирішувати задачу оптимізації дози, але й підбирати комбінації препаратів для підвищення ефективності лікування, визначати найбільш результативну тактику лікування та запобігати критичним станам пацієнта вже на ранніх стадіях.
Подібні системи вже використовуються для контролюстанів пацієнтів та збору довготривалих медичних даних, але згодом вони будуть дедалі сильніше інтегровані у галузь охорони здоров'я. Важливо, що останніми роками дедалі більше уваги привертають саме методи профілактики та ранньої діагностики захворювань.
Штучний інтелект - це сильний інструмент,який здатний принести користь у багатьох галузях та сферах медицини. Нейросети та інші методи машинного навчання вже сьогодні допомагають створювати нові ліки, досліджувати хвороби, моніторити стан пацієнтів. Поки що їх впроваджують лише великі дослідницькі центри та передові клініки, але їх вплив на медицину вже величезний.
Зараз триває активний розвиток нейромережмедицині - набагато швидше, ніж можна уявити. Більшість проектів і досліджень не стають відомими широкому загалу і з'являються тільки в спеціалізованих журналах. Проте вони поступово, крок за кроком перетворюють медицину сьогоднішнього на медицину майбутнього. І скоро ми це побачимо на власні очі.
Читати далі:
Найсильніший спалах класу X стався на Сонці
Подивіться на наслідки зіткнення у 1181 році двох зірок
Блазар, який знайшли 20 років тому, виявився екстремальним об'єктом