هوش مصنوعی واکنش های انسان به ترکیبات پزشکی را پیش بینی می کند


کد خبر: ۱۲۷۵۷۱

تاریخ انتشار: چهارشنبه ۲۷ مهر ۱۴۰۱ الی ۱۶: ۰۳

یک مدل جدید هوش مصنوعی می‌تواند واکنش‌های انسان به ترکیبات دارویی را پیش‌بینی کند و پزشکی را به روشی مقرون‌به‌صرفه‌تر و کارآمدتر متحول کند.

گزارش کردن لوستر یک مدل هوش مصنوعی جدید که توسط دانشمندان سیتی کالج نیویورک ساخته شده است، قادر خواهد بود واکنش های انسان به ترکیبات دارویی جدید را به دقت پیش بینی کند. علاوه بر این، هزینه کمتری دارد و روش سریع تری است.

این مدل که در Nature Mature Intelligence منتشر شده است، می تواند به طور چشمگیری سرعت توسعه دارو و توسعه دقیق دارو را افزایش دهد.

این مدل جدید که CODE-AE نام دارد، می‌تواند مولکول‌های دارویی کاملاً جدید را غربال کند و به طور موثر اثربخشی آنها را در انسان پیش‌بینی کند. این مدل همچنین توانست داروهای موثرتری برای بیش از ۹۰۰۰ بیمار پیدا کند.

پیش‌بینی دقیق و قابل اعتماد واکنش‌های خاص بیمار به یک مولکول شیمیایی جدید برای یافتن درمان‌های ایمن و مؤثر و انتخاب دارویی که برای یک بیمار خاص در دسترس است ضروری است. با این حال، آزمایش مستقیم اثربخشی اولیه یک داروی جدید در انسان غیراخلاقی و غیرممکن است. این مطالعه بیان می‌کند که برای ارزیابی اثربخشی درمانی یک مولکول دارویی، اغلب از مدل‌های سلولی یا بافتی بدن انسان استفاده می‌شود.

متأسفانه، اثربخشی و سمیت درمان در بیماران واقعی اغلب با اثر دارو در مدل بیماری مطابقت ندارد. این شکاف دانش در درجه اول ناشی از هزینه بالا و توان عملیاتی کم کشف و توسعه دارو است.

پروفسور لی شی، استاد علوم کامپیوتر، زیست شناسی و بیوشیمی در مرکز فارغ التحصیلان در کالج شهر نیویورک و نویسنده ارشد این تحقیق، می گوید که الگوی جدید یادگیری ماشینی ما می تواند این چالش قدیمی را حل کند.

مدل CODE-AE AI از طراحی الهام گرفته از زیست شناسی استفاده می کند و از بسیاری از پیشرفت های اخیر در فناوری یادگیری ماشینی بهره می برد. به عنوان مثال یکی از اجزای آن از فناوری های مشابه در تولید تصاویر Deepfake استفاده می کند.

راه حل جدید

این رویکرد جدید می تواند راه حلی برای مشکل اطلاعات ناکافی بیمار برای آموزش یک مدل یادگیری ماشین جامع ارائه دهد.

زی می‌گوید: اگرچه روش‌های زیادی برای استفاده از سلول‌ها برای پیش‌بینی پاسخ‌های بالینی ایجاد شده‌اند، اما عملکرد آنها به دلیل ناسازگاری و تناقض داده‌ها غیرقابل اعتماد است. اکنون CODE-AE می تواند سیگنال های بیولوژیکی پنهان و عوامل مخدوش کننده را استخراج کند و به طور موثر مشکل ناسازگاری داده ها را کاهش دهد.

وی افزود: «مدل CODE-AE از نظر دقت و استحکام هنگام پیش‌بینی واکنش‌های دارویی بیمار بسیار بهتر از روش‌های قبلی عمل می‌کند».

برنامه های آینده

وظیفه بعدی این تیم تحقیقاتی با حمایت موسسه ملی علوم پزشکی عمومی و موسسه ملی پیری، توسعه روشی برای CODE-AE برای پیش‌بینی دقیق غلظت و اثر متابولیسم یک داروی جدید در انسان است. بدن

محققان همچنین خاطرنشان کردند که این مدل هوش مصنوعی می تواند برای پیش بینی دقیق اثرات سوء داروها بر انسان تنظیم شود.

منبع: خبرگزاری ایسنا