Искусственный интеллект может точно предсказать реакцию человека на новые лекарства
© Getty Images
Этот метод может значительно ускорить открытие лекарств и усилить медицину
Путь от определения потенциального лечебного вещества до одобрения нового лекарства Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов может занять в США более десяти лет и стоить более миллиарда долларов. Исследовательская группа создала модель искусственного интеллекта (ИИ), которая может значительно повысить точность и сократить время и стоимость процесса разработки лекарств. Данный метод описан в недавно опубликованной статье в журнале Nature Machine Intelligence.
Эта модель, названная CODE-AE, позволяет проводить скрининг новых лекарственных соединений для точного прогнозирования их эффективности у людей. В ходе испытаний также теоретически удалось определить персонализированные лекарства для более чем 9000 пациентов, которые могли бы лучше лечить их заболевания. Исследователи ожидают, что этот метод значительно ускорит открытие лекарств и прецизионную («высокоточную») медицину.
Читайте также
Точное и надежное прогнозирование реакции конкретного пациента на новое химическое соединение имеет решающее значение для открытия безопасных и эффективных терапевтических средств, а также выбора существующего препарата для конкретного пациента. Однако неэтично и неосуществимо проводить раннее тестирование эффективности лекарства непосредственно на людях. Клеточные или тканевые модели часто используются в качестве суррогата человеческого тела для оценки терапевтического эффекта молекулы лекарства. К сожалению, эффект препарата в модели заболевания часто не коррелирует с эффективностью и токсичностью препарата у пациентов-людей. Этот пробел в знаниях является основным фактором высокой стоимости и низкой производительности разработки лекарств.
В итоге, CODE-AE значительно повышает точность и надежность по сравнению с современными методами прогнозирования специфических реакций пациентов на лекарства исключительно на основе скрининга соединений клеточной линии.
Следующей задачей исследовательской группы в продвижении использования технологии для открытия лекарств является разработка способа для CODE-AE надежно предсказывать влияние концентрации нового лекарства и его метаболизма в организме человека. Исследователи также отметили, что модель ИИ потенциально может быть настроена для точного прогнозирования побочных эффектов лекарств у конкретного человека.
