Zespół z laboratorium Jamesa Collinsa z Broad Institute of Massachusetts Institute of Technology (MIT) i Harvard University wykorzystał sztuczną inteligencję (AI) do odkrycia nowej klasy kandydatów na antybiotyki.
Przyspieszenie odkrywania leków
Naukowcy postanowili zająć się problemem oporności na antybiotyki i poszukiwali antybiotyków, które byłyby skuteczne przeciwko superbakterii, takim jak oporny na metycylinę Staphylococcus aureus (MRSA) i enterokoki oporne na wankomycynę, czyli bakterie zazwyczaj oporne na antybiotyki.
Zespół z powodzeniem zbadał miliony związków chemicznych, korzystając z modelu sztucznej inteligencji opartego na głębokim uczeniu się, aby odkryć nowych potencjalnych kandydatów na antybiotyki. Tradycyjne metody wymagają lat, aby uzyskać wyniki, ale sztuczna inteligencja może szybko analizować zbiory danych, aby znaleźć obiecujących kandydatów. Sztuczna inteligencja może drastycznie skrócić długotrwały proces odkrywania i opracowywania leków, oferując szybszą drogę do nowych metod leczenia.
„Jeśli pomyślimy o tradycyjnym procesie odkrywania antybiotyków, odkrycie nowego antybiotyku zajmuje około 12 lat, a odkrycie jakichkolwiek kandydatów klinicznych zajmuje od trzech do sześciu lat. Następnie należy je przenieść do badań klinicznych fazy I, fazy II i fazy III” – powiedział César de la Fuente, adiunkt na Wydziale Psychiatrii w Perelman School of Medicine na Uniwersytecie Pensylwanii.
„Teraz dzięki maszynom mogliśmy to przyspieszyć. Na przykład w pracy mojej i moich kolegów możemy odkryć w ciągu kilku godzin tysiące lub setki tysięcy kandydatów przedklinicznych, zamiast czekać od trzech do sześciu lat” – dodał.
Czas potrzebny na odkrycie nowego antybiotyku można znacznie skrócić dzięki sztucznej inteligencji. Jednak nowi kandydaci na antybiotyki po ich pierwszym odkryciu muszą jeszcze przejść długą drogę, która obejmuje rygorystyczne testy i zezwolenia organów regulacyjnych. Amerykańska Agencja ds. Żywności i Leków (FDA) wymaga kompleksowych badań toksyczności i eksperymentalnych badań nowych leków przed rozpoczęciem jakichkolwiek badań klinicznych, aby zapewnić bezpieczeństwo i skuteczność nowych leków.
Rozbicie czarnej skrzynki
W przeciwieństwie do większości modeli sztucznej inteligencji, które często uważa się za czarne skrzynki, ponieważ nie ma zbyt wielu informacji na temat tego, w jaki sposób i dlaczego generują swoje produkty, badacze z Collins Lab wdrożyli w swoich pracach elementy „wyjaśnialnej sztucznej inteligencji” i byli w stanie rzucić światło na na temat biochemii leżącej u podstaw decyzji AI. Wyjaśnialna sztuczna inteligencja to podejście w sztucznej inteligencji, które kładzie nacisk na umiejętność jasnego wyjaśnienia, w jaki sposób systemy AI podejmują decyzje lub prognozy; jest to niezbędne ze względu na przejrzystość, zaufanie i względy etyczne.
„Myślę, że to ważne, jeśli mamy pewnego dnia pomyśleć o sztucznej inteligencji jako o dyscyplinie inżynierskiej. W inżynierii zawsze możesz rozebrać różne elementy tworzące jakąś strukturę i zrozumieć, co robi każdy element. Ale w przypadku sztucznej inteligencji, a zwłaszcza głębokiego uczenia się, bo to czarna skrzynka, nie wiemy, co dzieje się w środku. Bardzo trudno jest odtworzyć to, co się wydarzyło, aby otrzymać związek X lub Y albo rozwiązanie X lub Y. Dlatego rozpoczęcie zagłębiania się w czarną skrzynkę, aby zobaczyć, co faktycznie dzieje się na każdym z tych etapów, jest dla nas kluczowym krokiem. w stanie przekształcić sztuczną inteligencję w dyscyplinę inżynieryjną” – powiedział de la Fuente.
Wpływ sztucznej inteligencji na badania medyczne
Prace Collins Lab i jego badaczy przedstawiają obiecujące perspektywy wykorzystania sztucznej inteligencji w opiece zdrowotnej i stanowią znaczące zwycięstwo naukowe. Ta zmiana nie dotyczy tylko szybkości i efektywności odkrywania leków; chodzi o fundamentalną zmianę naszego podejścia do badań medycznych. Integracja sztucznej inteligencji, zwłaszcza z możliwymi do wyjaśnienia modelami, umożliwia dokładniejsze zrozumienie interakcji leków. Postępy te z pewnością będą miały znaczący wpływ na opiekę zdrowotną i branżę nauk przyrodniczych i doprowadzą do przyszłości, w której sztuczna inteligencja będzie odgrywać kluczową rolę w odkrywaniu nowych metod leczenia, ulepszaniu strategii zapobiegania chorobom i bardziej spersonalizowanej opiece nad pacjentem.
Obejrzyj: Opieka zdrowotna, nauki przyrodnicze i blockchain
Autor : BitcoinSV.pl
