2. Штучний інтелект в медицині: швидка розробка ліків

Розробка ліків – досить дорогий процес. Багато аналітичних процесів, що беруть участь у розробці ліків, можна зробити ефективнішими за допомогою машинного навчання. Це має потенціал позбавити років роботи та вивільнити сотні мільйонів інвестицій. 

ШІ вже успішно застосовується на всіх 4 основних етапах розробки ліків:

  Етап 1: Визначення цілей для втручання

 2 етап: виявлення ефективних ліків 

 3 етап: прискорення клінічних випробувань

 4 етап: пошук біомаркерів для діагностики захворювання

 Етап 1: Визначення цілей для втручання Першим кроком у розробці ліків є розуміння джерел біологічного походження захворювання, а також механізмів його резистентності. Тоді вам доведеться визначити хороші мішені (як правило, білки) для лікування захворювання.  Алгоритми машинного навчання дозволяють легше проаналізувати всі наявні дані та, навіть, навчитись автоматично визначати цільові білки.  

Етап 2: Знайти ефективне лікарство Далі потрібно знайти з’єднання, яке може взаємодіяти з ідентифікованою цільовою молекулою так як нам треба. Це передбачає перевірку великої кількості – часто багато тисяч чи навіть мільйонів – потенційних сполук на їх вплив на ціль (спорідненість), не кажучи вже про їхні цільові побічні ефекти (токсичність). Ці сполуки можуть бути природними, синтетичними або біоінженерними. Однак нинішнє програмне забезпечення часто є неточним і призводить до багато поганих пропозицій (помилкових позитивних результатів). Тому потрібно дуже багато часу, щоб звузити свій вибир до найкращих варіантів на роль ліків.
Етап 3: Прискорення клінічних випробувань Важко знайти відповідних кандидатів для клінічних випробувань. Якщо ви виберете неправильних кандидатів, це затягне випробування і забере чимало часу та ресурсів.Машинне навчання може прискорити розробку клінічних випробувань шляхом автоматичного визначення відповідних кандидатів, а також забезпечення правильного розподілу для груп учасників випробувань. Алгоритми можуть допомогти визначити закономірності, які відрізняють хороших кандидатів від поганих. Вони також можуть слугувати системою раннього попередження для клінічного випробування, яке не дає переконливих результатів – дозволяючи дослідникам втручатися раніше і потенційно економити розробку препарату.  

 Етап 4: Знайти біомарки для діагностики захворювання Ви можете лікувати пацієнтів від захворювання лише після того, як ви впевнені у своєму діагнозі. Деякі методи дуже дорогі і включають складне лабораторне обладнання, а також потребу в специфічних експертних знаннях – наприклад, вивчити послідовність цілих геномів. Біомаркери – це молекули, які знаходяться в тілесних рідинах (як правило, крові людини), які забезпечують абсолютну впевненість у тому, чи є у пацієнта захворювання чи ні. Вони роблять процес діагностики захворювання безпечним і дешевим.  
Ви також можете використовувати їх для точного визначення прогресу хвороби – полегшуючи лікарям вибрати правильне лікування та контролювати, чи діє препарат. Але виявити потрібні біомаркери для певного захворювання важко. Це ще один дорогий, трудомісткий процес, який включає скринінг десятків тисяч потенційних кандидатів на молекули

. Штучний інтелект може автоматизувати значну частину ручної роботи та прискорити процес. Алгоритми класифікують молекули на добрих і поганих кандидатів, що допомагає експертам зосередитися на аналізі найкращих перспектив.

 Біомаркери можна використовувати для ідентифікації:

 Наявності захворювання якомога раніше – діагностичний біомаркер

 Ризику розвитку захворювання – біомаркер ризику 

Ймовірного прогресу захворювання – прогностичний біомаркер