در ابتدا، یک داروی طراحی شده با هوش مصنوعی روی انسان آزمایش می شود تا ببینیم آیا واقعاً کار می کند یا خیر

در ابتدا، یک داروی طراحی شده با هوش مصنوعی روی انسان آزمایش می شود تا ببینیم آیا واقعاً کار می کند یا خیر

In a First, an AI-Designed Drug Is Being Tested in Humans to See if It Actually Works PlatoBlockchain Data Intelligence. Vertical Search. Ai.

چهار سال پیش، شرکت بیوتکنولوژی داروی Insilico استفاده هوش مصنوعی برای طراحی یک مولکول هدف قرار دادن پروتئین درگیر در فیبروز فقط در 46 روز. این دلیل بر خلاف بوداز آنجایی که چندین داروی موثر از قبل برای این پروتئین وجود داشته است، داده های زیادی را در اختیار شرکت قرار می دهد تا هوش مصنوعی خود را با آن آموزش دهد. اما از آن زمان به سرعت پیشرفت کرده اند. این هفته شرکت فاز 2 کارآزمایی بالینی را روی انسان آغاز کرد برای دارویی که توسط هوش مصنوعی کشف و طراحی شده است. این اولین مورد برای صنعت داروسازی است و امیدواریم آینده‌ای را نشان دهد که در آن کشف دارو سریع‌تر، ارزان‌تر و بهتر از چندین دهه گذشته است.

کشف دارو از لحاظ تاریخی فرآیندی خسته کننده، کند و پرهزینه بوده است. محققان ابتدا باید بفهمند که چه چیزی باعث ایجاد یک بیماری خاص می شود و معمولاً پروتئینی را به عنوان مقصر شناسایی می کنند. سپس آنها ده‌ها هزار ترکیب نامزدی را که می‌توانند آن پروتئین را هدف قرار دهند، غربال می‌کنند و تعداد انگشت شماری را به دست می‌آورند که به نظر می‌رسد نویدبخش سنتز شوند. از این تعداد، تعداد کمی به سمت تحقیقات بیشتر می روند و تعداد کمتری هنوز به آزمایشات بالینی انسانی می رسند.

از بیش از یک میلیون مولکول غربال شده، به طور متوسط فقط یکی آن را به مراحل پایانی آزمایشات بالینی تبدیل می کند و در نهایت برای استفاده تایید می شود. رسیدن از کشف به تایید 12 تا 15 سال و سرمایه گذاری حدود 1 میلیارد دلار طول می کشد.

به نظر می رسد اینسیلیکو داشته باشد این هنجارها را به هم زد. کاندید دارویی آن برای فیبروز ریوی idiopathic- یک بیماری مزمن که در آن ریه‌ها زخم می‌شوند و نفس کشیدن سخت می‌شود یک سوم زمان معمول و یک دهم هزینه معمول به لطف فناوری این شرکت توسعه یابد. از دو شکل مختلف هوش مصنوعی استفاده می کند.

اولی شبکهی مولد متقابل، عضو. در این نوع الگوریتم، دو شبکه عصبی در مقابل یکدیگر قرار می گیرند. یکی خروجی تولید می کند در حالی که دیگری درباره درست یا نادرست بودن آن خروجی قضاوت می کند. این شبکه ها با هم اشیاء جدیدی مانند متن یا تصاویر – یا در این مورد، ساختارهای شیمیایی مولکول های کوچک را تولید می کنند.

پلت فرم Insilico نیز استفاده می کند تقویت یادگیری، نوعی یادگیری ماشینی است که سیستم را قادر می سازد با استفاده از بازخورد اقدامات خود، با آزمون و خطا یاد بگیرد. یادگیری تقویتی در پیشرفت های اخیر نقش اساسی داشته است هوش مصنوعی بازی.

یکی از داروهایی که این شرکت با پلتفرم خود توسعه داده است INS018_055 نام دارد. این یک مهار کننده مولکول کوچک ضد فیبروتیک است، به این معنی که سرعت ضخیم شدن بافت و زخم را کاهش می دهد، در این مورد در ریه های بیماران. اینسیلیکو 60 بیمار مبتلا به فیبروز ریوی ایدیوپاتیک (IPF) را در چین و ایالات متحده جذب می کند که دوز 12 هفته ای از این دارو را مصرف خواهند کرد. در باره پنج میلیون مردم در سراسر جهان از IPF رنج می برند و پس از تشخیص این بیماری، افراد تنها سه تا چهار سال بیشتر عمر می کنند.

اینسیلیکو از فناوری خود برای کشف 12 داروی پیش بالینی استفاده کرده است. سه تا از اینها پیشرفت کرده اند آزمایش های بالینی، اما INS018_055 اولین کسی است که به مرحله آزمایشی فاز 2 راه یافته است. را هدف از آزمایشات فاز 2 آزمایش ایمنی و تعیین اینکه آیا دارو کار می کند یا خیر (فاز 1 برای آشنایی با ایمنی و عوارض جانبی آن است و فاز 3 برای آزمایش عوارض جانبی و مشاهده میزان بهبود وضعیت در جمعیت بزرگتر است).

این فقط آغاز راه است - به طور کلی برای کشف داروی Insilico و هوش مصنوعی. مطابق به گزارشی که مورگان استنلی تهیه کرده است، ابزارهای هوش مصنوعی می توانند به توسعه کمک کنند 50 داروی جدید به ارزش 50 میلیارد دلار در یک دهه آینده. الکس ژاورونکوف، بنیانگذار و مدیر عامل شرکت، "برای Insilico، [آزمایش بالینی] لحظه حقیقت است." گفته شده la بار مالی است. اما این یک آزمایش واقعی برای هوش مصنوعی است و کل صنعت باید آن را تماشا کند.

تصویر های اعتباری: داروی Insilico

تمبر زمان:

بیشتر از تکینگی هاب