Ātrākas zāļu izstrādes paātrināšana ar mākslīgo intelektu
Mākslīgais intelekts paātrina jaunu zāļu izstrādi
Rens Dimmendaal & Banjong Raksaphakdee / Medicines (flipped) / Licence CC-BY 4.0
Jaunu zāļu izstrāde ilgstoši ir bijis lēns un dārgs process. Tomēr Voterloo Universitātes pētnieku komanda izmanto mašīnmācīšanos, lai paātrinātu izstrādes laiku.
Pētnieki ir izveidojuši “Imagand” – ģeneratīvā mākslīgā intelekta modeli, kas analizē esošo informāciju par potenciālajām zālēm un paredz to iespējamās īpašības. Modelis veiksmīgi prognozē dažādu zāļu svarīgās īpašības, kas jau ir verificētas laboratorijas pētījumos, pierādot tā precizitāti.
Tradicionāli veiksmīga zāļu kandidāta izveide tirgū var izmaksāt no 2 līdz 3 miljardiem ASV dolāru un aizņemt vairāk nekā desmit gadu. Ģeneratīvais mākslīgais intelekts var revolucionēt zāļu izstrādi, apstrādājot milzīgus datu apjomus no dažādām jomām.
“Zāļu izstrādes process ir ārkārtīgi sarežģīts, jo jāpārbauda miljoniem molekulu ar tūkstošiem dažādu mērķu,” paskaidro Bins Hu, datorzinātņu doktorantūras students un pētījuma galvenais autors. “Mēs meklējam veidus, kā mākslīgais intelekts varētu šo procesu padarīt ātrāku un lētāku.”
Viens no lielākajiem izaicinājumiem farmācijā ir saprast ne tikai to, kā zāles ietekmēs organismu atsevišķi, bet arī to mijiedarbību ar citām zālēm vai pacienta dzīvesveidu. Šī informācija ir īpaši grūti iegūstama, jo zāļu zinātniskie pētījumi parasti koncentrējas tikai uz to iepriekš noteiktajām īpašībām.
Pētnieku komanda cer, ka nākotnē mediķi varēs izmantot Imagand, lai saprastu zāļu mijiedarbību, ļaujot izslēgt potenciālos zāļu kandidātus ar nelabvēlīgiem blakusefektiem.
“Piemēram, šis MI atbalstītais process var palīdzēt saprast, cik toksiska ir zāle, kā tā ietekmē sirdi vai kā tā var negatīvi mijiedarboties ar citām bieži lietotām zālēm,” teica Helēna Čena, Voterloo Universitātes profesore. “Šis ir viens no piemēriem, kā mākslīgais intelekts veicina precīzāku, personalizētāku aprūpi.”
Pētījums pašlaik ir pieejams kā priekšdrukā ar nosaukumu “Drug discovery SMILES-to-pharmacokinetics diffusion models with deep molecular understanding”.
https://aihub.org/2025/04/09/accelerating-drug-development-with-ai/