Η τεχνητή νοημοσύνη στην υπηρεσία της φαρμακολογίας

Σύστημα τεχνητής νοημοσύνης αναλαμβάνει να βρει κι άλλες παθήσεις που μπορεί να θεραπεύονται με ήδη υφιστάμενα φάρμακα.

Κάθε μήνα έχουμε και τουλάχιστον μια καινούρια ανακοίνωση που έχει να κάνει με τη χρήση της τεχνητής νοημοσύνης για… κάτι. Συνήθως ακούμε τεχνητή νοημοσύνη και αυτοκίνητα που οδηγούνται μόνα τους, που παίζουν σκάκι, τάβλι, τρίλιζα, που βγάζουν φωτογραφίες, που μεταφράζουν γλώσσες… Αυτή τη φορά, ήρθε η σειρά της φαρμακευτικής!

Αυτοί οι τρομεροί επιστήμονες, λοιπόν, κατάφεραν και έβαλαν τους υπολογιστές τους, στους οποίους είχαν δώσει ικανότητες machine learning, να ψάξουν μέσα σε τεράστιες ποσότητες δεδομένων και να βρουν τυχόν συσχετισμούς οι οποίοι θα είχαν ενδείξεις πως κάποια από τα φάρμακα που ήδη κυκλοφορούν θα μπορούσαν να βοηθήσουν άλλες ασθένειες, για τις οποίες δεν έχουν σχέση!

Αυτό είναι ένα από τα ιερά δισκοπότηρα της φαρμακολογίας. Δηλαδή να μελετηθούν όλες οι επιδράσεις όλων των ουσιών, φαρμακευτικών και μη, στον ανθρώπινο οργανισμό και να ξέρουμε ποιες ουσίες κάνουν τι. Στην φαρμακευτική είναι πάρα πολύ συχνό το φαινόμενο της ανακάλυψης μιας ουσίας με στόχο ένα πράγμα (μια πάθηση, ένα σύμπτωμα, κάτι), η οποία τελικά να αποδειχθεί πως είναι ιδανική για κάτι εντελώς διαφορετικό!

Ερευνητές του Ohio State University δημιούργησαν ένα υπολογιστικό μοντέλο στο οποίο συνδύασαν κολοσσιαία σετ δεδομένων με στοιχεία ασθενών και περιθάλψεων, τα οποία συνδύασαν με μπόλικη επεξεργαστική ισχύ, έτσι ώστε να καταφέρουν να βγάλουν από όλα αυτά τα δεδομένα κάποια φάρμακα για τα οποία υπάρχουν ενδείξεις πως έχουν και άλλες θεραπευτικές παρενέργειες και βέβαια ποιες είναι αυτές.

Η εν λόγω διεργασία, βέβαια, είχε συγκεκριμένο στόχο: να εντοπίσει φαρμακευτικές ουσίες οι οποίες ίσως αποτρέπουν την καρδιακή ανεπάρκεια και την ανακοπή σε ασθενείς με στεφανιαία νόσο. Η ίδια μέθοδος, όμως, μπορεί να χρησιμοποιηθεί για οποιαδήποτε άλλη πάθηση, μιας και το μοντέλο είναι ευέλικτο.

Αυτός ο επαναπροσδιορισμός ενός φαρμάκου είναι μεγάλης σημασίας για την φαρμακευτική έρευνα, διότι ένα φάρμακο που ήδη κυκλοφορεί δεν χρειάζεται να πάρει νέα έγκριση από τον αντίστοιχο ΕΟΦ. Αυτό σημαίνει πως μειώνεται σημαντικά ο χρόνος που χρειάζεται ένα φάρμακο για να χρησιμοποιηθεί και, τελικά, να σώσει ζωές.

Οι ερευνητές μάλιστα αναφέρουν πως ο πολύ μεγάλος αριθμός δειγμάτων καθώς και η ικανότητα των αλγορίθμων να λαμβάνουν υπ’ όψη όλα τα διαθέσιμα δεδομένα, όπως ηλικία, φύλο, φυλή, σοβαρότητα ασθένειας, άλλες παθήσεις, λειτουργούν ως επιπλέον παράμετροι στους αλγορίθμους deep learning του συστήματος και, ως εκ τούτου, δεν είναι απαραίτητες οι τυχαίες κλινικές δοκιμές οι οποίες αποτελούσαν το modus operandi της ιατρικής μέχρι και σήμερα. Οι πληροφορίες που κρύβονται μέσα στα δεδομένα, αποτελούν πραγματικά στοιχεία τα οποία αφορούν εκατομμύρια ασθενείς.

Τελικά, το σύστημα εντόπισε εννέα φάρμακα τα οποία ήταν πιο πιθανά στο να έχουν θεραπευτικά οφέλη, τρία από τα οποία χρησιμοποιούνται ήδη – κάτι που σημαίνει πως η ανάλυση εντόπισε έξι φάρμακα υποψήφια για “επαναπροσδιορισμό”. Ένα από αυτά είναι φάρμακο για τον διαβήτη (metformin) ενώ άλλο ένα χρησιμοποιείται για την αντιμετώπιση της κατάθλιψης (escitalopram). Και τα δύο ήταν υπό μελέτη για τις ιδιότητές τους στην αποτροπή καρδιακών νοσημάτων.

Έχεις ακόμη αμφιβολίες πως η τεχνητή νοημοσύνη θα αλλάξει ριζικά τον κόσμο στον οποίο ζούμε;

Πηγή: cosmotesmartliving.gr

Share on linkedin
Share on twitter
Share on facebook
print this page

Βαθμολογήστε αυτό το άρθρο

Σχετικά άρθρα

Scroll to Top
X
Skip to content