Алгоритм ИИ может точно предсказать реакцию человека на новые лекарства
Исследовательская группа из Городского университета Нью-Йорка (CUNY Graduate Center) создала модель искусственного интеллекта, которая может значительно повысить точность, сократить время и стоимость процесса разработки лекарств. Научная статья опубликована в журнале Nature Machine Intelligence, о достижении рассказали в университете.
Новая нейросеть под названием CODE-AE может проверять новые лекарственные соединения и точно прогнозировать их эффективность для людей. В ходе испытаний теоретически удалось найти персонализированные лекарства для более чем 9000 конкретных пациентов.
«Используя CODE-AE, мы проверили 59 лекарств для 9808 пациентов с раком. Наши результаты согласуются с существующими клиническими наблюдениями», — пишут ученые в своей статье.
В работе анализировались данные клеточных линий пациентов. Массив реальных параметров состояния клеток загружали в систему, она анализировала, как они работают. Затем туда «добавляли» лекарство, а затем она показывала, как исходные виртуальные клетки реагируют на тот или иной состав.
Точное и надежное прогнозирование реакции пациента на новое химическое соединение имеет решающее значение для открытия новых лекарств и выбора препарата для конкретного пациента из уже существующих. Однако неэтично и неосуществимо проводить раннее тестирование непосредственно на людях. Это является основным фактором высокой себестоимости и низкой производительности разработки лекарств.
«Наша новая модель машинного обучения может решить проблему. CODE-AE использует дизайн, вдохновленный биологией, и преимущества нескольких последних достижений в области машинного обучения», — сказал Лэй Се, профессор компьютерных наук, биологии и биохимии, старший автор статьи.
Следующей задачей исследовательской группы является разработка способа надежно предсказывать влияние концентрации нового лекарства и его метаболизма на организм человека. Исследователи также отметили, что нейросеть может быть настроена для точного прогнозирования побочных эффектов лекарств у конкретного человека.
