یک مدل جدید هوش مصنوعی می تواند به طور قابل توجهی دقت فرآیند تولید دارو را بهبود بخشد و زمان و هزینه آن را کاهش دهد.
بین شناسایی یک ترکیب درمانی بالقوه و تایید سازمان غذا و داروی ایالات متحده (FDA) یک داروی جدید، سفری دشوار است که می‌تواند بیش از یک دهه طول بکشد و بیش از یک میلیارد دلار هزینه داشته باشد. تیمی از محققان در مرکز فارغ التحصیلان CUNY مدل جدیدی از هوش مصنوعی ایجاد کرده اند که می تواند به طور قابل توجهی دقت را بهبود بخشد و زمان و هزینه فرآیند تولید دارو را کاهش دهد.
مدل جدید به نام CODE-AE می تواند ترکیبات دارویی جدید را برای پیش بینی دقیق اثربخشی در انسان غربال کند. در آزمایشات، همچنین توانست از نظر تئوری داروهای شخصی سازی شده را برای بیش از ۹۰۰۰ بیمار شناسایی کند که می تواند شرایط آنها را بهتر درمان کند. دانشمندان انتظار دارند که این تکنیک به طور قابل توجهی کشف دارو و پزشکی دقیق را تسریع کند.
پیش‌بینی دقیق و قوی پاسخ‌های خاص بیمار به یک ترکیب شیمیایی جدید برای کشف درمان‌های ایمن و مؤثر و انتخاب یک داروی موجود برای یک بیمار خاص حیاتی است. با این حال، انجام آزمایش‌های اولیه اثربخشی دارو در انسان به‌طور مستقیم غیراخلاقی و غیرممکن است. مدل های سلولی یا بافتی اغلب به عنوان جایگزین بدن انسان برای ارزیابی اثر درمانی یک مولکول دارو استفاده می شود. متأسفانه، اثر دارو در یک مدل بیماری اغلب با اثربخشی و سمیت دارو در بیماران انسانی مرتبط نیست. این شکاف دانش عامل اصلی در هزینه های بالا و نرخ بهره وری پایین کشف دارو است.
لی زی می گوید: «مدل یادگیری ماشینی جدید ما می تواند چالش ترجمه ای از مدل های بیماری به انسان را برطرف کند. CODE-AE از طراحی الهام گرفته از زیست شناسی استفاده می کند و از چندین پیشرفت اخیر در یادگیری ماشین بهره می برد. ”
یو وو، دکترای مرکز فارغ التحصیلان CUNY گفت: “مدل جدید می تواند راه حلی برای مشکل داشتن داده های کافی بیمار برای آموزش یک مدل یادگیری ماشین تعمیم یافته ارائه دهد. ”
در نتیجه، CODE-AE به طور قابل توجهی دقت و استحکام را نسبت به روش‌های پیشرفته در پیش‌بینی پاسخ‌های دارویی خاص بیمار صرفاً از روی صفحه نمایش ترکیبی سلولی بهبود می‌بخشد.
چالش بعدی تیم تحقیقاتی در پیشبرد استفاده از فناوری در کشف دارو، ایجاد راهی برای CODE-AE برای پیش‌بینی قابل اعتماد اثر غلظت و متابولیسم داروی جدید در بدن انسان است. محققان همچنین خاطرنشان کردند که مدل هوش مصنوعی می‌تواند به طور بالقوه برای پیش‌بینی دقیق عوارض جانبی داروها در انسان بهینه شود.
بین شناسایی یک ترکیب درمانی بالقوه و تایید سازمان غذا و داروی ایالات متحده (FDA) یک داروی جدید، سفری دشوار است که می‌تواند بیش از یک دهه طول بکشد و بیش از یک میلیارد دلار هزینه داشته باشد. تیمی از محققان در مرکز فارغ التحصیلان CUNY مدل جدیدی از هوش مصنوعی ایجاد کرده اند که می تواند به طور قابل توجهی دقت را بهبود بخشد و زمان و هزینه فرآیند تولید دارو را کاهش دهد.
مدل جدید به نام CODE-AE می تواند ترکیبات دارویی جدید را برای پیش بینی دقیق اثربخشی در انسان غربال کند. در آزمایشات، همچنین توانست از نظر تئوری داروهای شخصی سازی شده را برای بیش از ۹۰۰۰ بیمار شناسایی کند که می تواند شرایط آنها را بهتر درمان کند. دانشمندان انتظار دارند که این تکنیک به طور قابل توجهی کشف دارو و پزشکی دقیق را تسریع کند.
پیش‌بینی دقیق و قوی پاسخ‌های خاص بیمار به یک ترکیب شیمیایی جدید برای کشف درمان‌های ایمن و مؤثر و انتخاب یک داروی موجود برای یک بیمار خاص حیاتی است. با این حال، انجام آزمایش‌های اولیه اثربخشی دارو در انسان به‌طور مستقیم غیراخلاقی و غیرممکن است. مدل های سلولی یا بافتی اغلب به عنوان جایگزین بدن انسان برای ارزیابی اثر درمانی یک مولکول دارو استفاده می شود. متأسفانه، اثر دارو در یک مدل بیماری اغلب با اثربخشی و سمیت دارو در بیماران انسانی مرتبط نیست. این شکاف دانش عامل اصلی در هزینه های بالا و نرخ بهره وری پایین کشف دارو است.
لی زی می گوید: «مدل یادگیری ماشینی جدید ما می تواند چالش ترجمه ای از مدل های بیماری به انسان را برطرف کند. CODE-AE از طراحی الهام گرفته از زیست شناسی استفاده می کند و از چندین پیشرفت اخیر در یادگیری ماشین بهره می برد. ”
یو وو، دکترای مرکز فارغ التحصیلان CUNY گفت: “مدل جدید می تواند راه حلی برای مشکل داشتن داده های کافی بیمار برای آموزش یک مدل یادگیری ماشین تعمیم یافته ارائه دهد. ”
در نتیجه، CODE-AE به طور قابل توجهی دقت و استحکام را نسبت به روش‌های پیشرفته در پیش‌بینی پاسخ‌های دارویی خاص بیمار صرفاً از روی صفحه نمایش ترکیبی سلولی بهبود می‌بخشد.
چالش بعدی تیم تحقیقاتی در پیشبرد استفاده از فناوری در کشف دارو، ایجاد راهی برای CODE-AE برای پیش‌بینی قابل اعتماد اثر غلظت و متابولیسم داروی جدید در بدن انسان است. محققان همچنین خاطرنشان کردند که مدل هوش مصنوعی می‌تواند به طور بالقوه برای پیش‌بینی دقیق عوارض جانبی داروها در انسان بهینه شود.
کد خبر ۲۰۱۰۱۰۷۲۶.۰۰۴
