Как ИИ создает лекарства в 10 раз быстрее и в 600 раз точнее, чем человек

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Возможности нейросетей и искусственного интеллекта активно тестируют в самых разных отраслях медицины: от диагностики и профилактики болезней до вирусологии и генетики. Анастасия Никитина, специалист по математическому моделированию СБЕР ЕАПТЕКА, поможет разобраться, что они из себя представляют и как могут повлиять на развитие сферы в целом.

В ближайшем будущем медицина всесторонне изменится. Компьютерные технологии все глубже проникают в сферу охраны здоровья, и уже сейчас некоторые эксперты прогнозируют качественный скачок в развитии медицинских технологий в следующие десять лет. В этом материале мы собрали некоторые любопытные кейсы с использованием ИИ в медицине. 

Разработка и синтез лекарственных препаратов

Создание нового лекарственного препарата от идеи до запуска массового производства занимает до десяти лет. Также дополнительно требует миллиардов долларов инвестиций на работу исследовательских команд и запуска многоэтапного тестирования. В среднем, по статистике, только 12% созданных препаратов получают патент и разрешение на производство, остальные же не проходят клинические тестирования, и процесс начинается заново.

Именно поэтому машинное обучение и нейросети стали использовать, чтобы упростить процесс создания лекарственных препаратов. На сегодня в мире существует примерно 30 масштабных проектов с использованием искусственного интеллекта, которые работают в этом направлении. 

Американское управление по санитарному надзору за качеством пищевых продуктов и медикаментов запустило собственный проект, цель которого — на порядки сократить траты на клинические исследования с помощью машинного обучения.

ИИ проекта обучен на основе 20 последних лет клинических исследований американских препаратов. И, по данным экспертов, с его помощью можно значительно увеличить вероятность успешного прохождения исследований: с 12% до 80%. 

По предварительным оценкам, использование искусственного интеллекта и нейросетей поможет сократить инвестиции в создание лекарственных препаратов в четыре раза, а время разработки — в два раза. 

Клинические испытания требуют крупных инвестиций и могут длиться несколько лет

Пока что концерны используют ИИ только как вспомогательный инструмент для синтеза лекарств, проводя все стадии клинических исследований как обычно. Но проекты уже показывают хорошие результаты.

ИИ на службе нутрициологии

Успехи искусственного интеллекта в создании вакцин от коронавируса известны всему миру. Компьютерные технологии сократили время разработки результативной вакцины буквально до нескольких месяцев, когда для классических методов исследований требуется минимум год-два. 

Но на самом деле исследования куда глубже, чем можно представить. И касаются они не только вирусологии, но также профилактической медицины и нутрициологии, для которых анализируют натуральные органические соединения. Их существует десятки миллиардов, поэтому исследования вручную не слишком эффективны.

Клинические испытания требуют крупных инвестиций и могут длиться несколько лет. Для разработки нового препарата нужно протестировать на клеточных культурах десятки и сотни химических соединений, которые в дальнейшем нужно будет проверить и на живых организмах. Из-за этого все фазы клинических испытаний могут занять несколько лет.

Компьютерные мощности способны помочь исследователям, значительно ускорив процесс создания новых лекарственных препаратов, а также ощутимо сократить расходы на проведение дорогостоящих клинических испытаний. К примеру, британо-ирландская компания Nuritas использует искусственный интеллект для поиска активных органических соединений, которые в теории можно использовать для лечения и предотвращения болезней.

Как утверждают специалисты компании, технология анализа химических соединений с помощью искусственного интеллекта в 600 раз точнее и в десять раз быстрее, чем стандартные методики. 

Впрочем, без человека пока еще не обойтись. После того, как нейросеть обнаруживает перспективное соединение, за глубокое исследование берутся биохимики. 

За восемь лет сотрудники компании зарегистрировали 65 патентов в медицинской отрасли, сейчас компания активно разрабатывает препараты для восстановления мышц, нормализации метаболизма глюкозы и замедления клеточного старения. 

Это лишь один из нескольких десятков проектов, которые изучают химические соединения для разработки диетических и биологических пищевых добавок, а также лекарственных препаратов. А развитие искусственного интеллекта в перспективе еще больше ускорит исследования и улучшит их результативность.

Исследование редких болезней нейросетями 

На сегодня 95% редких болезней не имеют стандартизированных и международно принятых схем лечения.


Согласно данным Всемирной организации здравоохранения, редкими считаются болезни с распространенностью от 1 случая на 1 000 человек до 1 случая на 200 000 человек.


Концерны не слишком часто инвестируют средства в поиски лекарств от таких болезней. Ведь на изобретение одного препарата компания тратит от $200 млн до $2 млрд. Время окупаемости таких исследований составит десятки лет, если они вообще когда-нибудь окупятся. 

Основная сложность лечения редких болезней не в синтезе лекарств и лабораторных тестированиях, а в недостатке клинических данных.

Поэтому компания Healx с помощью нейросетей создает полную информационную базу 7 000 редких болезней, в которой собирает все ведомости из научных материалов, баз данных пациентов и исследований лекарств. 

Созданная база помогла при разработке лекарства от синдрома Мартина-Белл. За 18 месяцев команда смогла создать препарат, который уже успешно прошел две фазы клинических исследований. Для сравнения, в обычных условиях разработка и тестирование лекарственного препарата занимает от пяти до десяти лет. При этом затраты на его создание просто на порядки меньше классических.

В части поиска информации и ее классификации нейросети показывают отличные результаты. Они способны относительно быстро сканировать интернет на всех существующих языках, собирая данные, которые касаются конкретной темы. Добиться такой эффективности при работе вручную не получится.

Искусственный интеллект и персонифицированная медицина

Для большинства наиболее распространенных болезней разработаны терапевтические схемы приема лекарственных препаратов. Для лечения некоторых болезней (например, туберкулеза или онкологии) единственными эффективными препаратами выступают довольно токсичные вещества. Из-за низкой селективности такие лекарства оказывают побочные действия, пагубно влияют на печень, почки и сердечно-сосудистую систему. И если ранее альтернатив не существовало и применение агрессивных препаратов считалось допустимым с причинением ущерба для здоровья в процессе лечения, то сейчас методика меняется. Развитие медицины и медицинской химии позволяет работать не только над поиском принципиально новых лекарств, но и над подбором оптимальных схем лечения по уже известным методикам.

Индивидуальная дозировка препаратов, имеющих сильные побочные эффекты, могла бы снизить негативное влияние на пациентов, но сложность расчетов не позволяет проводить их массово. К тому же их нужно проводить несколько раз в день.

Нейросети способны проводить такие расчеты быстро и качественно. Так, в 2018 году ученые Национального университета Сингапура разработали инновационную систему CURATE.AI для комбинационной терапии раковых больных с помощью искусственного интеллекта.

Уже во время первого тестирования система показала свою эффективность. Для пациента с прогрессирующим раком простаты система рассчитывала индивидуальную комбинацию препаратов на протяжении всего курса лечения. 

Как результат — рост опухоли значительно замедлился, а затем болезнь и вовсе перешла в стадию ремиссии. При этом дозировки препаратов были практически в два раза меньше, чем при стандартной терапии таких случаев. 

Персонализация терапии открывает невообразимые возможности для медицины. При наличии достаточного количества данных нейросети и другие методы машинного обучения могут помочь не только оперативно решать задачу оптимизации дозы, но и подбирать комбинации препаратов для повышения эффективности лечения, определять наиболее результативную тактику лечения и предотвращать критические состояния пациента уже на самых ранних стадиях. 

Подобные системы уже используются для контроля состояний пациентов и сбора долговременных медицинских данных, но со временем они будут все сильнее интегрированы в отрасль здравоохранения. Важно отметить, что в последние годы всё больше внимания привлекают именно методы профилактики и ранней диагностики заболеваний.


Искусственный интеллект — это сильный инструмент, который способен принести пользу во многих отраслях и сферах медицины. Нейросети и другие методы машинного обучения уже сегодня помогают создавать новые лекарства, исследовать болезни, мониторить состояние пациентов. Пока что их внедряют только крупные исследовательские центры и самые передовые клиники, но их влияние на медицину уже огромно. 

Сейчас идет активное развитие нейросетей в медицине — гораздо быстрее, чем можно представить. Большинство проектов и исследований не становятся известными широкой публике и появляются только в специализированных журналах. Тем не менее, они постепенно, шаг за шагом превращают медицину сегодняшнего в медицину будущего. И скоро мы это увидим своими глазами.


Сильнейшая вспышка класса X произошла на Солнце

Посмотрите на последствия столкновения в 1181 году двух звезд

Блазар, который нашли 20 лет назад, оказался экстремальным объектом


Источник: hightech.fm

Комментарии: