تاریخ انتشار: یکشنبه 22 آبان 1401
توانایی هوش مصنوعی در پیش بینی واکنش انسان به ترکیبات دارویی جدید

  توانایی هوش مصنوعی در پیش بینی واکنش انسان به ترکیبات دارویی جدید

دانشمندان براساس یک مدل جدید هوش مصنوعی توانستند با بهبود دقت و زمان، هزینه فرآیند تولید دارو را کاهش دهند.
امتیاز: Article Rating

به گزارش پایگاه اطللاع رسانی بنیان، بین شناسایی یک ترکیب درمانی بالقوه و تایید سازمان غذا و داروی ایالات متحده (FDA) برای یک داروی جدید، راه دشواری است که می‌تواند بیش از یک دهه طول بکشد و بیش از یک میلیارد دلار هزینه داشته باشد.

تیمی از محققان CUNY مدل جدیدی از هوش مصنوعی ایجاد کرده‌اند که می‌تواند به طور قابل توجهی دقت را بهبود بخشد و زمان و هزینه فرآیند تولید دارو را کاهش دهد. مدل جدید به نام CODE-AE می‌تواند ترکیبات دارویی جدید را برای پیش بینی دقیق اثربخشی در انسان غربال کند. همچنین آزمایشات توانست از نظر تئوری داروهای شخصی سازی شده را برای بیش از 9000 بیمار شناسایی کند که می‌تواند شرایط آنها را بصورت بهتر درمان کند. دانشمندان انتظار دارند که این تکنیک به طور قابل توجهی کشف دارو و پزشکی دقیق را تسریع کند. پیش‌بینی دقیق و قوی پاسخ‌های خاص بیمار به یک ترکیب شیمیایی جدید برای کشف درمان‌های ایمن و مؤثر و انتخاب یک داروی موجود برای یک بیمار خاص حیاتی است. با این حال، انجام آزمایش‌های اولیه اثربخشی دارو در انسان به‌طور مستقیم غیراخلاقی و غیرممکن است.

مدل‌های سلولی یا بافتی اغلب به عنوان جایگزین بدن انسان برای ارزیابی اثر درمانی یک مولکول دارو استفاده می‌شود. متأسفانه، اثر دارو در یک مدل بیماری اغلب با اثربخشی و سمیت دارو در بیماران انسانی مرتبط نیست. این شکاف دانش، عامل اصلی در هزینه‌های بالا و نرخ بهره‌ وری پایین کشف دارو است. طبق گفته این تیم تحقیقاتی، اگرچه روش‌های زیادی برای استفاده از نمایشگرهای رده‌ سلولی برای پیش‌بینی پاسخ‌های بالینی ایجاد شده‌اند، عملکرد آنها به دلیل ناهماهنگی و اختلاف داده‌ها غیرقابل اعتماد است ولی CODE-AE می‌تواند سیگنال‌های بیولوژیکی ذاتی پوشانده شده توسط نویز و عوامل مخدوش کننده را استخراج کند و به طور موثر مشکل اختلاف داده ها را کاهش دهد.

در نتیجه، CODE-AE به طور قابل توجهی دقت و استحکام را نسبت به روش‌های پیشرفته در پیش‌بینی پاسخ‌های دارویی خاص بیمار صرفا از روی صفحه نمایش ترکیبی سلولی بهبود می‌بخشد. چالش بعدی تیم تحقیقاتی در پیشبرد استفاده از فناوری در کشف دارو، ایجاد راهی برای CODE-AE برای پیش‌بینی قابل اعتماد اثر غلظت و متابولیسم داروی جدید در بدن انسان است. محققان همچنین خاطرنشان کردند که مدل هوش مصنوعی می‌تواند به طور بالقوه برای پیش‌بینی دقیق عوارض جانبی داروها در انسان بهینه شود.

پایان مطلب./

 

ثبت امتیاز
نظرات
در حال حاضر هیچ نظری ثبت نشده است. شما می توانید اولین نفری باشید که نظر می دهید.
ارسال نظر جدید

تصویر امنیتی
کد امنیتی را وارد نمایید:

کلیدواژه
کلیدواژه