Πρόσφατα, μεγάλες φαρμακευτικές εταιρείες, συμπεριλαμβανομένων των Roche και Sanofi, έχουν κάνει συμφωνίες πολλών δισεκατομμυρίων δολαρίων με προγραμματιστές τεχνολογίας τεχνητής νοημοαύνης (AI). Ωστόσο η μέθοδος έχει ήδη χρησιμοποιηθεί εδώ και αρκετά χρόνια από μεγάλες εταιρείες με τη μορφή ''εσωτερικής'' τεχνολογίας, κυρίως για συγκεκριμένα έργα.
Τώρα, οι φαρμακευτικές εταιρείες εργάζονται για κάλυψη με τεχνητή νοημοσύνη, από άκρο σε άκρο, που εκτείνεται από τη βιολογία (ανακάλυψη στόχου και μοντελοποίηση ασθενειών), χημεία (εικονικός έλεγχος, ρετροσύνθεση και παραγωγή μικρών μορίων) και κλινική ανάπτυξη (στρωμάτωση ασθενών, σχεδιασμός κλινικών δοκιμών και πρόβλεψη αποτελεσμάτων δοκιμών). Ο στόχος είναι να χρησιμοποιηθεί η μηχανική μάθηση για την ανάλυση τεράστιων όγκών δεδομένων, αναπτύσσοντας μοντέλα που εξελίσσονται και βελτιώνονται καθώς τα δεδομένα υποβάλλονται σε επεξεργασία.
Ωστόσο, οι περισσότεροι ειδικοί συμφωνούν ότι μια πλήρως λειτουργική προσέγγιση από άκρο σε άκρο είναι ακόμα μακριά. Μεγάλο μέρος της τεχνητής νοημοσύνης έχει επικεντρωθεί στη χημεία, ενώ η βιολογία είναι ένα πολύ πιο πολύπλοκο, δύσκολο να προβλεφθεί πεδίο. Ορισμένα στελέχη εταιρειών τεχνολογίας AI αμφισβητούν τη σοφία της μηχανικής εκμάθησης από την αρχή μέχρι το τέλος, επιλέγοντας να επικεντρωθούν αντ 'αυτού σε βασικούς τομείς.
Και οι σκεπτικιστές εξακολουθούν να περιμένουν την απόλυτη ανακάλυψη: την έγκριση ενός φαρμάκου που θα έχει ανακαλυφθεί και αναπτυχθεί από την τεχνητή νοημοσύνη. Ωστόσο, οι φαρμακευτικές εταιρείες παραμένουν αισιόδοξες ότι η μέθοδος θα μπορούσε να βοηθήσει στην επιτάχυνση της διαδικασίας ανάπτυξης φαρμάκων και στη μείωση του κόστους δημιουργίας μιας νέας αγοράς, η οποία απαιτεί επί του παρόντος 12 χρόνια και 1 δισεκατομμύριο δολάρια, κατά μέσο όρο.
Πηγές:
AMERICAN CHEMICAL SOCIETY
{{dname}} - {{date}}
{{body}}
Απάντηση Spam
{{#subcomments}} {{/subcomments}}