Будущее
Gary Fowler

ИИ в сфере исследования лекарств

У процесса разработки лекарств множество недостатков. Например, огромные инвестиции в тестирование и исследование лекарств до множества неудачных тестов, что делает этот процесс дорогостоящим и без гарантированных успешных результатов. Расчетная средняя стоимость исследований и разработки одного терапевтического продукта составляет около 985 миллионов долларов.

Однако так быть не должно. С развитием искусственного интеллекта неэффективность и дорогостоящие процессы останутся в прошлом, поскольку эта технология предлагает экономящие время оптимизированные решения, позволяющие человечеству делать большие шаги вперед. И индустрии медицины и фармацевтики в этом случае не исключение.

Уже сегодня мы видим примеры использования ИИ при разработке новых лекарств. Известно, что Pfizer использует IBM Watson, систему машинного обучения для поиска иммуноонкологических препаратов. Sanofi готова начать использовать платформу ИИ Exscientia для поиска методов лечения метаболических заболеваний. Наконец, Genentech использует систему искусственного интеллекта от GNS Healthcare для исследования методов лечения рака следующего поколения.

Эти крупные игроки уже используют ИИ в своих компаниях. C использованием ИИ появляется огромный потенциал для создания быстрых и недорогих процессов исследования и тестирования различных препаратов. И все благодарю тому, что ИИ выгодно отличается от любой другой прогрессивной технологии способностью учиться, подобно человеческому мозгу, распознавать закономерности и в конечном итоге делать обоснованные прогнозы.

Сейчас идеальное время для имплементации ИИ, поскольку у нас есть доступ к большим объемам данных, которые можно использовать в качестве ценных базовых показателей для обучения ИИ. В связи с быстрым ростом вычислительной мощности за последние несколько лет, а также с увеличением цифровизации каждой из отраслей, появилась возможность разрабатывать очень сложные алгоритмы на основе огромных наборов данных из различных отраслей, в том числе фармацевтической.

Так например уже сегодня алгоритмы машинного обучения могут быстро идентифицировать различные типы клеток на основе сотней, тысячей фотографий клеток с помеченными типами клеток (структурированные данные). ИИ также может научиться ориентироваться по типам клеток самостоятельно с помощью глубокого обучения, если ему будет доступно еще большее количество изображений, например, миллионы.

Многие профессионалы в области медицины уже считают, что ИИ обладает способностью систематически улучшать процесс исследования и разработки лекарств.

По данным Scientific American, стартапы по исследованию лекарств на основе ИИ привлекли более 1 миллиарда долларов финансирования в 2018 году, а в 2019 году эта сумма достигла 1,5 миллиарда долларов, демонстрируя экспоненциальный рост.

Большинство ведущих фармацевтических компаний во всем мире объявили о планах инвестировать в проекты с ИИ в области исследования и производства лекарств. Конечно, пройдет несколько лет прежде, чем ИИ будет оказывать существенное влияние в этом направлении. Но даже несмотря на то, что в настоящее время изучение возможностей ИИ находится на начальном этапе, его потенциал для осуществления крупномасштабных прорывов во всем мире не подлежит сомнению.

{ "author_name": "Gary Fowler", "author_type": "self", "tags": [], "comments": 0, "likes": -1, "favorites": 8, "is_advertisement": false, "subsite_label": "future", "id": 186033, "is_wide": false, "is_ugc": true, "date": "Thu, 10 Dec 2020 13:25:11 +0300", "is_special": false }
0
0 комментариев
Популярные
По порядку

Комментарий удален

Комментарии

null