τι μπορεί να κάνει η «ένα στο εκατομμύριο» φαρμακευτική διαδικασία ai; απλά ένα μέσο
2024-09-29
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
"τα τελευταία χρόνια, έχουμε δει την εμφάνιση διαφόρων νέων τεχνολογιών και ο αριθμός των εγγραφών κλινικών δοκιμών έχει αυξηθεί γραμμικά, αλλά το ποσοστό επιτυχίας των κλινικών δοκιμών κάθε χρόνο παρέμεινε σε ένα ορισμένο επίπεδο. αυτό μας διαφωτίζει ότι η παραγωγή φαρμάκων πρέπει να επιστρέψει η ουσία της ιατρικής: ασφαλής και αποτελεσματική η τεχνολογία είναι απλώς ένα μέσο.
τι ρόλο μπορεί να παίξει η τεχνητή νοημοσύνη (ai) στην ανακάλυψη φαρμάκων;
ο li honglin, κοσμήτορας της φαρμακευτικής σχολής στο east china normal university και διευθυντής του κέντρου καινοτομίας για νέα φάρμακα τεχνητής νοημοσύνης, δήλωσε: η τεχνητή νοημοσύνη μπορεί να συμμετάσχει στην έρευνα και ανάπτυξη φαρμάκων σε τρία στάδια: μετατροπή δεδομένων σε γνώση, μετατροπή της γνώσης σε τεχνολογία. και την εφαρμογή τεχνολογίας στα προϊόντα.
στις 27 σεπτεμβρίου 2024, ο li honglin διατύπωσε τις παραπάνω απόψεις στο ακαδημαϊκό υποφόρουμ του 23ου διεπιστημονικού φόρουμ pujiang, υπό την καθοδήγηση του τμήματος εργασίας ενωμένου μετώπου της δημοτικής επιτροπής της σαγκάης του κομμουνιστικού κόμματος της κίνας και της επιστήμης και τεχνολογίας της σαγκάης επιτροπή εργασίας του κομμουνιστικού κόμματος της κίνας, και φιλοξενείται από το παράρτημα επιστήμης και τεχνολογίας της επαναστατικής επιτροπής κουομιντάνγκ.
ανέφερε επίσης ότι από την εμφάνιση της τεχνητής νοημοσύνης, οι άνθρωποι ήταν γεμάτοι ονειροπολήσεις γι' αυτήν, πιστεύοντας ότι όσο μπορεί να χρησιμοποιηθεί η «συνδυαστική γροθιά» της τεχνητής νοημοσύνης, μπορεί να γίνει φάρμακο. η τεχνητή νοημοσύνη έχει πράγματι εμπλακεί σε κάθε πτυχή της έρευνας και ανάπτυξης φαρμάκων. από την εμφάνιση του alphafold το 2018, η τεχνητή νοημοσύνη έχει αναπτυχθεί ταυτόχρονα, είτε σε mnc (πολυεθνικές φαρμακευτικές εταιρείες) είτε σε βιοτεχνολογίες (μικρές εταιρείες βιοτεχνολογίας). στην πραγματικότητα υπάρχουν μόνο δύο προβλήματα που λύνει πραγματικά, το ένα είναι ο χρόνος εξέτασης και το άλλο το ποσοστό κλινικής επιτυχίας. το τελευταίο μπορεί να είναι πιο σημαντικό. μέχρι το τέλος του 2020, πολλά φάρμακα έχουν χρησιμοποιήσει τεχνητή νοημοσύνη στη διαδικασία έρευνας και ανάπτυξης.
«όταν η έρευνα και η ανάπτυξη φαρμάκων αντιμετωπίζουν επιστημονικά προβλήματα ή τεχνικά προβλήματα που είναι δύσκολο να επιλυθούν με το χέρι, η τεχνητή νοημοσύνη μπορεί να συμμετάσχει, παίρνοντας ως παράδειγμα την ανακάλυψη φαρμάκων, οι ερευνητές έδιναν μεγαλύτερη προσοχή στις επιπτώσεις». των υποψηφίων φαρμάκων για παράδειγμα, στο αν έχει κάποια επίδραση στα κύτταρα ή στα ζώα δεν δίνει μεγάλη σημασία στο στόχο ή τον μηχανισμό του. μετά την εμφάνιση του ai, τα φάρμακα μπορούν να ελεγχθούν με βάση τους στόχους τους.
"οι νέοι στόχοι είναι η πηγή της έρευνας και της ανάπτυξης φαρμάκων. η εμφάνιση ενός νέου στόχου οδηγεί συχνά σε μια σειρά από υπερπαραγωγικά φάρμακα." επί του παρόντος, ένα κοινό πρόβλημα που αντιμετωπίζει η έρευνα και ανάπτυξη νέων φαρμάκων σε όλο τον κόσμο είναι η εξάντληση των στόχων. "πόσοι στόχοι υπάρχουν; υπολογίζουμε ότι μόνο το 3% από τα λιγότερα από 30.000 γονίδια στον άνθρωπο μπορεί να χρησιμοποιηθεί ως στόχος, και το 35% των γονιδίων εξακολουθούν να είναι "σκοτεινά γονίδια". αντίστοιχα, τα υπάρχοντα (μικρά μόρια) είναι λιγότερα περισσότερα από 2.000 φάρμακα, που καλύπτουν μόνο 667 γνωστούς στόχους στο ανθρώπινο σώμα».
πώς να αποκτήσετε δεδομένα για νέους στόχους; ο li honglin είπε ότι μπορεί να ανακαλυφθεί από υπάρχοντα ερευνητικά έγγραφα και πατέντες. "αυτή η διαδικασία είναι να μετατρέψει τα δεδομένα σε γνώση, που ονομάζεται επίσης χάρτης γνώσης, η ομάδα του li honglin ξόδεψε τεσσεράμισι χρόνια κατασκευάζοντας τρεις τύπους στόχων φαρμάκων από όλη τη διαθέσιμη ιατρική βιβλιογραφία, συμπεριλαμβανομένων περισσότερων από 2,8 εκατομμυρίων άρθρων." 300 εκατομμύρια χάρτες που σχετίζονται με ασθένειες αυτός είναι σήμερα ο μεγαλύτερος χάρτης βιοϊατρικής γνώσης. μπορεί να λύσει δύο πράγματα: να λάβει κλινικές αποφάσεις και να παρέχει τη βάση για την έγκριση νέων σχεδίων φαρμάκων.
«στην πραγματικότητα, δεν χρειάζεται να επικρίνουμε πολύ τις νέες τεχνολογίες. θα πρέπει να τις αγκαλιάσουμε περισσότερο και να επικεντρωθούμε στο αν μπορούν να επωφεληθούν από αυτές τις νέες τεχνολογίες».
"η διαδικασία από την ανακάλυψη έως την εμπορία ενός φαρμάκου είναι μια διαδικασία ενός στο εκατομμύριο. αυτή η πρόταση έχει ειπωθεί επανειλημμένα στη φαρμακοβιομηχανία, αλλά μόνο όταν το φάρμακο παρασκευαστεί πραγματικά, μπορούμε να καταλάβουμε γιατί είναι ένα συστηματικό έργο , και κάθε βήμα είναι κοντά στην «πόλη του θανάτου» » τα τελευταία χρόνια, έχουμε δει την εμφάνιση διαφόρων νέων τεχνολογιών και ο αριθμός των εγγραφών κλινικών δοκιμών έχει αυξηθεί γραμμικά, αλλά το ποσοστό επιτυχίας των κλινικών δοκιμών παρέμεινε. σε ένα ορισμένο επίπεδο κάθε χρόνο, αυτό μας διαφωτίζει ότι η παραγωγή φαρμάκων πρέπει να επιστρέφει: η τεχνολογία είναι απλώς ένα μέσο.
ο ρεπόρτερ της εφημερίδας cao nianrun
(αυτό το άρθρο προέρχεται από το the paper. για περισσότερες πρωτότυπες πληροφορίες, κάντε λήψη της εφαρμογής "the paper")
