Искусственный интеллект и открытие лекарств: как ИИ находит новые лекарства

Нейронные сети

Искусственный интеллект и открытие лекарств: как ИИ находит новые лекарства | DeepTech

DEEPTECH

July 16, 2023

Введение: пересечение ИИ и открытия лекарств

Как ИИ находит новые лекарства? Разработка лекарств стоит миллиарды долларов и отнимает много времени у фармацевтических компаний. Выбор наиболее перспективных лекарств-кандидатов для разработки и вывода на рынок требует серьезной оценки рисков, и нет никаких гарантий, что фармацевтические компании принимают правильные решения.

Появление современных суперкомпьютеров и технологий искусственного интеллекта (ИИ) за последние два десятилетия открыло возможности практически во всех отраслях. Разработка лекарств и фармацевтическая промышленность могут рассчитывать на революцию, а не на эволюцию своих процессов, с открытием интеллектуальных лекарств на горизонте.

Сегодня разработка нового лекарства и вывод его на рынок может занять у фармацевтических компаний более десять лет. Биофармацевтические предприятия должны не только инвестировать время в процесс разработки лекарств. Их финансовые обязательства одинаково высок. По оценкам экспертов, средний объем инвестиций в совершенно новое лекарство составляет около 1 миллиарда долларов. К тому времени, когда вы добавите в процесс разработки заброшенные клинические испытания и клинические неудачи, стоимость новой терапии может достигать 2,5 миллиардов долларов.

ИИ может это изменить и оказать огромное положительное влияние на пациентов, которые могут извлечь выгоду из интеллектуального открытия лекарств. Пациенты получат доступ к более широкому выбору новых лекарств, нацеленных на сложные заболевания или раковые клетки, быстрее, чем когда-либо прежде, что повысит шансы на успех лечения. Использование технологических возможностей и экосистемы технологических стартапов в фармацевтической отрасли может изменить то, как мир разрабатывает новые лекарства.

Проще говоря, врачи и их пациенты могли получить доступ к лучшим лекарствам быстрее, чем когда-либо прежде. Существует также перспектива персонализированной медицины, основанной на данных, собранных от самих пациентов.

Текущий процесс открытия лекарств и его проблемы

В настоящее время исследователи открывать самые новые лекарства одним из этих способов:

Существующие методы лечения дают неожиданные, но долгожданные побочные эффекты в отношении непреднамеренных целей.
Новые технологии, позволяющие воздействовать на определенные участки тела
Различные взгляды на болезнь помогают ученым разработать новый способ борьбы с этой болезнью человека.
Тестирование сотен химических соединений для поиска вещества, эффективного против определенных заболеваний.

Несмотря на то, что традиционный процесс ориентирован на данные и управляется ими, он все равно может быть чрезвычайно трудоемким и расточительным. Для любых химических соединений, которые дают желаемые результаты, часто есть сотни, от которых исследователи отказываются на разных стадиях процесса.

Как только многообещающее соединение найдено, настоящая работа только начинается, включая эксперименты по определению того, как человеческий организм взаимодействует с лекарством, какова может быть правильная дозировка и как лучше всего доставлять лекарство пациентам.

Методы ИИ в поиске лекарств

Эксперты отрасли считают, что ИИ может сократить количество времени требуется, чтобы довести новый препарат до пациента на 90%. Большая часть этого выигрыша связана со способностью технологии анализировать огромные объемы данных и делать потенциальные прогнозы на основе этого анализа.

Важно отметить, что ИИ призван не заменить человека, а повысить как скорость, так и точность возможностей обнаружения лекарств. Искусственный интеллект делает это, имитируя человеческое поведение, такое как обучение и другие когнитивные функции. Некоторые из наиболее многообещающих подходов для биофармацевтических компаний исходят из подобласти искусственного интеллекта машинного обучения.

Машинное обучение применяет концепцию алгоритмов, которые обучаются без дополнительного участия человека. При поиске лекарств с помощью ИИ также могут использоваться сложные модели или деревья решений.

После обучения на достаточном количестве данных алгоритмы машинного обучения создают свои собственные прогнозы и учатся на их успехе. Это означает, что ИИ сможет улучшить концептуальный алгоритм и его прогнозы без дополнительной помощи. Правовое регулирование машинного обучения только начинается.

Затем к процессу присоединяются люди и оценивают результаты, потенциально извлекая выгоду из доступа к идеям и интерпретациям, которых они не достигли бы сами по себе. В области разработки лекарств существует широкий спектр областей с потенциалом для применения ИИ:

Дизайн лекарств
Химический синтез
Проверка на наркотики
Полифармакология и
Перепрофилирование лекарств

Источник: YouTube

Понимание белковых структур в 3D

Один из критических аспектов открытие лекарства Возможности определяют, связывается ли кандидат в лекарство с целевой молекулой в организме человека. Инструменты на основе искусственного интеллекта могут помочь предсказать трехмерную белковую структуру лекарственных препаратов, когда двухмерная структура просто недостаточно ясна.

Дизайн лекарств

Помимо предсказания трехмерной белковой структуры молекулы-мишени, ИИ играет и другие роли в разработке лекарств. Эти роли включают определение активности лекарств и прогнозирование взаимодействий между лекарствами-кандидатами и клетками человека.

Химический синтез

Что касается химического синтеза, ИИ может помочь исследователям лучше понять механизмы реакции. Эта технология также может давать точные прогнозы выхода реакции и путей ретросинтеза. Кроме того, ИИ может направлять ученых, когда они разрабатывают свой синтетический путь для создания более сложных химических соединений на основе более мелких и менее сложных компонентов.

Проверка на наркотики

Скрининг лекарств включает прогнозирование токсичности, биологической активности и других физико-химических свойств потенциального нового лекарства. Эти прогнозы могут затем использоваться для определения тестовых дозировок, например, в клинических испытаниях.

Выявление и классификация раковых клеток-мишеней для препарата также являются частью процесса скрининга.

Полифармакология

Полифармакология направлена на разработку лекарств, которые могут эффективно воздействовать более чем на одну цель. Цель состоит в том, чтобы более эффективно лечить заболевания, пытаясь объединить потенциальную эффективность нескольких лекарств в одно.

В действительности этот подход оказался трудным с наркотики должны быть отменены из-за токсикозов. ИИ может давать более точные прогнозы, что позволяет избежать побочных эффектов.

Перепрофилирование лекарств

Перепрофилирование лекарств позволяет ученым находить новые применения для лекарств, которые были одобрены или находятся в стадии изучения. Такой подход может привести к значительной экономии средств и времени для разработчиков лекарств.

Применение ИИ в поиске лекарств

Потенциальные применения технологии искусственного интеллекта в области открытия лекарств огромны. От медицинской визуализации до выявления наиболее перспективных молекул лекарств для атаки раковых клеток и поддержки принятия клинических решений — ИИ может увеличить шансы на успех различных методов лечения. Одно из наиболее значительных преимуществ заключается в способности снижать частоту отказов терапевтических молекул, которая в настоящее время составляет около 90%.

Использование алгоритмов глубокого обучения и глубоких нейронных сетей для получения более точных прогнозов успеха может значительно сократить время, необходимое ученым для поиска лекарств от болезней. Возможно, что еще более важно, ИИ сможет предсказывать дисквалифицирующие побочные эффекты, что позволит исследователям уделять больше времени более многообещающим кандидатам в лекарства.

Источник: YouTube

Тематические исследования: успешные истории открытия лекарств с помощью ИИ

Большинство историй успеха в области открытия и разработки лекарств с помощью ИИ в настоящее время связаны с партнерские отношения между фармацевтическими или биотехнологическими компаниями и группами разработчиков искусственного интеллекта. Фактически, цифровые биотехнологии были в авангарде разработки вакцины против коронавируса. Они также работают над лечением других сложных заболеваний.

Фармацевтические гиганты любят Пфайзер, Рош и Байер находятся в авангарде этих партнерских отношений, объединившись с ИТ-лидерами для создания специальной платформы для процессов разработки лекарств. В настоящее время усилия сосредоточены на таких областях, как сердечно-сосудистые заболевания и иммуноонкология.

Другие сдерживаются, потенциально ожидая первого большого влияния на фармацевтический рынок, например, за счет снижения стоимости лекарств.

Читайте также: Первое лекарство, разработанное искусственным интеллектом, прошло испытания на людях.

Проблемы и ограничения ИИ в разработке лекарств

Эффективность AI и MLhinges зависит от качества данных, используемых для обучения моделей машинного обучения и нейронных сетей. Именно здесь проистекают некоторые из самых больших текущих проблем в этой области. Наборы данных, относящиеся к процессу разработки лекарств в фармацевтической промышленности, часто включают миллионы соединений или потенциальных химических структур.

Исследователи считают, что традиционные инструменты машинного обучения могут быть не в состоянии справиться с этими типами данных. Другие вычислительные технологии могут обрабатывать данные, но не обеспечивают качество прогнозов, предоставляемых режимами на основе ИИ. По мере развития технологий и все большего числа фармацевтических компаний, инвестирующих в ИИ, эти проблемы, скорее всего, будут решены.

Будущие последствия ИИ в разработке лекарств

ИИ в поиске и разработке лекарств может помочь отрасли вывести лекарства на рынок быстрее и с меньшими затратами, чем когда-либо прежде. В результате можно быстрее вылечить больше пациентов и спасти больше жизней.

Еще одним аспектом применения ИИ в медицине является потенциал персонализации лечения, выходящий далеко за рамки текущих возможностей. В то время как сегодня врачи могут назначать разные дозы разным людям, по-настоящему персонализированная медицина устранит из рецептов аспект проб и ошибок. Вместо этого врачи могут быть уверены, что лекарство, которое они прописывают, идеально подходит для пациента и не вызовет нежелательных побочных эффектов.

Читайте также: Что случилось с IBM Watson?

Вывод: перспективы ИИ в революционном открытии лекарств

Впервые современные суперкомпьютеры позволяют фармацевтическим компаниям рассмотреть новый подход к поиску лекарств. AI, ML и деревья решений могут изменить процесс принятия клинических решений в области разработки лекарств.

ИИ уже улучшает медицинскую визуализацию, а также может помочь в поиске органических молекул. В течение нескольких лет эта технология может превратить нынешние двигатели исследований и разработок в фармацевтическое будущее. Что еще предстоит увидеть, так это то, как новые правовые рамки повлияют на регулирование машинного обучения.