För att skapa en ny drog i dag har forskare för att testa tiotusentals komponenter för att förstå hur de interagerar. Och det är inte det svåra. Efter det att ett ämne har visat sig vara effektiva mot sjukdomen, han kommer att genomgå tre olika faser av kliniska prövningar och för att få myndigheternas godkännande.
Enligt uppskattningar, i genomsnitt, ett nytt läkemedel kommer ut på marknaden, behöver du 1000 personer, 12-15 år och om sek 1,6 miljarder. Det verkar vara ett bättre sätt — och han trodde att det framgick. Förra veckan, forskare publicerat ett dokument som i detalj beskriver artificiell intelligens system som skapats för att hjälpa till i sökandet efter nya läkemedel. Det behöver betydligt mindre tid och pengar i processen.
Systemet kallas AtomNet och gjorde det till en start från San Francisco som heter AtomWise. Tekniken är utformad för att effektivisera det inledande skedet av nya läkemedel, vilket innebär samverkan mellan olika molekyler med varandra, i synnerhet, forskare behöver för att avgöra vilka molekyler binder och hur starkt. De använder en metod av trial and error, att gå igenom tiotusentals komponenter, både naturliga och syntetiska.
AtomNet förkorta denna process genom att använda tekniker för djupt lära sig att förutsäga hur molekyler och hur sannolikt det är att bilda ett band. Programvara för studier av molekylär interaktion, att känna igen mönster, som AI lär sig att känna igen bilder.
Kom ihåg de tre-dimensionell modell av atomer, som många gör i gymnasiet av skum och rör för att representera relationer mellan protoner, neutroner och elektroner? AtomNet använder en liknande tre-dimensionella modeller av molekyler, inklusive information om deras struktur, för att förutsäga deras biologiska aktivitet.
Säger chief operating officer AtomWise Alexander Levi, “du kan ta den interaktion mellan läkemedel och biologiska system och att bryta ner den i mindre interaktiva grupper. Om du studerar tillräckligt med historiska exempel på molekyler som kan vara ganska snabbt för att göra korrekta förutsägelser”.
“Snabbt” kan till och med vara en underdrift. Enligt uppgift, AtomNet kan gå igenom en miljon föreningar per dag. Tillämpar moderna metoder, det skulle ta månader.
AtomNet kan inte uppfinna ett nytt läkemedel eller ens för att säga om en kombination av två molekyler effektiv medicinering. Men det kan förutsäga hur sannolikt en viss förening som arbetar mot en specifik sjukdom. Forskarna använder sig av dessa förutsägelser för att smala ner tusentals alternativ till tiotals, att fokusera testning där positiva resultat som är mest sannolikt.
Denna mjukvara har redan visat sig, att hjälpa till att skapa nya läkemedel för behandling av Ebola och multipel skleros. Den sista drogen var licensierad till ett Brittiskt läkemedelsföretag och drog mot Ebola presenteras i en peer-review tidskrift för vidare analys.
Även om AtomNet är en lovande teknik som kommer att påskynda upptäckten av nya läkemedel, är det värt att notera att den framtida läkemedel är också på väg mot en proaktiv snarare än reaktiv strategi, istället för att försöka uppfinna droger bara för behandling av sjuka människor, uppmärksamhet flyttas till en noggrann övervakning av hälsostatus och att ta nödvändiga steg för att inte låta oss sjuka i första hand.
Förra året, Fondens Zuckerberg gav $ 3 miljarder för att söka efter “botemedel för alla sjukdomar”. Detta är en ambitiös och något verklighetsfrämmande mål som ändå förtjänar respekt. I ett annat exempel på rörelse i riktning mot förebyggande hälso-och XPRIZE Foundation nyligen belönades med $ 2,5 miljoner enhet utformad för att hjälpa till att diagnostisera hemma och personlig hälsa övervakning. Proaktiv teknologi i hälso-och sjukvård kommer sannolikt att vara att utveckla och växa i popularitet.
Men detta betyder inte att reaktiva sjukvård kommer att finnas kvar. I femtio eller hundra år kommer folk fortfarande blir sjuk och behöver medicin för att bota dem. AtomNet — en första av dess slag programvara. Men mycket snart kommer det att finnas andra metoder för tillämpning av artificiell intelligens på denna väg.
Artificiell intelligens kommer att uppfinna läkemedel tio gånger snabbare människor
Ilya Hel