داروساز هوش مصنوعی
داروساز هوش مصنوعی
هوش مصنوعی – موتور بهینه سازی نهایی – یکی از بزرگترین چالش های خود را برطرف می کند: از بین بردن کار آشفته ، کند و گران قیمت توسعه
دارو.
چرا مهم است: با وجود اینکه قدرت محاسباتی سریعتر و ارزانتر شده است، توسعه داروها کند و پرهزینه باقی میماند، تا حدی به دلیل کار محض در
انتخاب یک نامزد و عبور آن از خط پایان.
هوش مصنوعی – با توانایی خود در شناسایی سریع الگوهای کهکشان های داده – می تواند یک میانبر حیاتی ارائه دهد.
اریک اشمیت میگوید: «آنچه میبینید [با هوش مصنوعی] بستری برای نسل جدیدی از داروها، بیولوژیکها، افزایش عمر است که همه آنها با سرعتی
ساخته میشوند که توصیف آن غیرممکن است». ، مدیر عامل سابق گوگل و یکی از نویسندگان کتاب جدید “عصر هوش مصنوعی”.
تصویر بزرگ: توسعه دارو یک تجارت عالی است – اگر مشکلی برای شکست مکرر و پرهزینه ندارید.
فرآیند کشف و توسعه یک داروی جدید میتواند یک دهه طول بکشد و به طور متوسط یک میلیارد دلار هزینه داشته باشد.
نقاط شکست احتمالی عبارتند از: شناسایی یک داروی کاندیدا از بیش از ۵۰ پیکربندی اتمی که در فضای شیمیایی وجود دارند,
بهینهسازی آن برای تحویل, و آزمایش آن در حیوانات و انسانها تا ببینند که آیا این دارو بیخطر و موثر است و
همگی به هزینه کلی دارو و مراقبتهای بهداشتی اضافه میکنند.
آیزاک بنتویچ، مدیرعامل استارت آپ جدید کشف داروی هوش مصنوعی Quris می گوید: «تصور کنید که دارید 10 آسمان خراش
می سازید و می توانید تضمین کنید که 9 آسمان خراش فرو می ریزد. اما شما نمیدانید که کدام یک سقوط
خواهند کرد، بنابراین تنها کاری که میتوانید انجام دهید این است که آنها را بسازید و اجاره بیشتری را از آنهایی که پابرجاست
دریافت کنید.
این مشکلی است که ما در تلاش برای حل آن هستیم.»
چگونه کار میکند: استدلال میکنند که هوش مصنوعی میتواند تقریباً در هر نقطه از چرخه توسعه دارو تقویت شود.
پلتفرم هوش مصنوعی “Centaur Chemist” Exscientia به طور محاسباتی میلیونها مولکول کوچک بالقوه را مرتب میکند و با هم مقایسه میکند، و به دنبال تعداد انگشت شماری
برای سنتز، آزمایش و بهینهسازی در آزمایشگاه قبل از
انتخاب کاندیدایی برای آزمایشهای بالینی میگردد – که همه اینها شرکت را قادر میسازد تا به سرطان کمک کند. در مقایسه با چهار تا پنج سال استانداردتر، دارو تنها در هشت ماه آزمایش
می شود.
بنتویچ خاطرنشان می کند که Quris با آزمایش داروها بر روی اندام ها و بافت های کوچک شده روی تراشه ای که “تنوع ژنومی
کامل جمعیت بالقوه بیماران را نشان می دهد” برای سرعت بخشیدن به فرآیند آزمایشی کار می کند، که به نوبه
خود داده هایی تولید می کند که می تواند به آموزش پلت فرم هوش مصنوعی برای پیش بینی کمک کند. ایمنی بالینی و اثربخشی
داروهای جدید
Lantern Pharma با شرکت مراقبت های بهداشتی دیجیتال Deep Lens همکاری می کند تا از هوش مصنوعی برای مطابقت
نوع مولکول جدید با مشخصات بیمار مناسب برای آزمایشات بالینی برای آزمایشات بالینی شتاب یافته استفاده کند.
Panna Sharma، مدیر عامل Lantern Pharma میگوید: این رویکرد مبتنی بر هوش مصنوعی میتواند صدها میلیون دلار
از هزینههای توسعه داروی قبلی را با اطمینان از آزمایش آن بر روی یک پلت فرم بیمار بسیار خاص نجات دهد.
با اعداد: بازار هوش مصنوعی برای داروها از 200 میلیون دلار در سال 2015 به 700 میلیون دلار در سال 2018 افزایش
یافت و پیش بینی می شود تا سال 2024 به 5 میلیارد دلار افزایش یابد، در حالی که فهرست مشاغل مرتبط با هوش
مصنوعی در صنعت دارو طی دو سال گذشته سه برابر شده است.
نکته مهم: حتی با قویتر شدن هوش مصنوعی، مجموعه دادههای توسعه دارو میتواند شامل میلیونها ترکیب باشد که میتواند از
قابلیتهای ابزارهای یادگیری ماشین فعلی فراتر رود.
پل نیوی، مدیر ارشد تحقیقات آلنیلام داروسازی، به مهندسی ژنتیک و بیوتکنولوژی نیوز گفت: توانایی نهایی هوش مصنوعی برای
تغییر اصول اساسی در صنعت به همان اندازه عظیم، پرهزینه، و به اندازه توسعه دارو، هنوز ثابت نشده است.
آخرین دیدگاهها