Στην αρχή της πανδημίας του κορωνοϊού, απευθύνθηκε έκκληση σε ερευνητικές ομάδες να θέσουν σε λειτουργία τα συστήματα τεχνητής νοημοσύνης (AI)  για την ανίχνευση πιθανών ενεργών παραγόντων. Σε απάντηση, 31 ομάδες παγκοσμίως εξέτασαν δισεκατομμύρια δυνητικά χρήσιμα μόρια.

Εν τω μεταξύ, ο αρχικός διαγωνισμός μετατράπηκε σε κοινή δημοσίευση. Ερευνητές από το Λιντς της Αυστρίας πέτυχαν ένα καλό ποσοστό επιτυχίας στην αναζήτηση. Ένας από τους συμμετέχοντες δήλωσε στο Αυστριακό Πρακτορείο Ειδήσεων ότι πολλά μπορούν να διδαχθούν από την πρωτοβουλία για μελλοντικές πανδημίες.

Η εργασία των ευρέως διακλαδισμένων ομάδων, η οποία δεν έχει ακόμη αξιολογηθεί από εξιδικευμένους συναδέλφους, δημοσιεύθηκε στον διακομιστή προδημοσιεύσεων "ChemRxiv" και βασίζεται στην πρόκληση "Billion molecules against Covid-19 challenge", σύμφωνα με τον πρώτο συγγραφέα της δημοσίευσης, Johannes Schimunek, από το Ινστιτούτο Μηχανικής Μάθησης του Πανεπιστημίου του Λιντς.

Αρχικά, αυτό είχε ως στόχο να αποτελέσει ένα είδος ανταγωνισμού για να παροτρυνθούν οι ερευνητές να χρησιμοποιήσουν την τεχνητή νοημοσύνη για την αναζήτηση χημικών ενώσεων που θα μπορούσαν να αποτελέσουν πιθανά φάρμακα για την αντιμετώπιση των λοιμώξεων CοVid-19 που εξαπλώνονται από τις αρχές του 2020.

Το πρόβλημα είναι ότι ο αριθμός των μορίων που θα μπορούσαν δυνητικά να δράσουν ως φάρμακα κατά των ιών είναι τεράστιος. Ως εκ τούτου, δεν είναι δυνατή η ολοκληρωμένη πειραματική δοκιμή όλων αυτών των ενώσεων στο εργαστήριο.

Ωστόσο, οι μέθοδοι τεχνητής νοημοσύνης θα μπορούσαν να βοηθήσουν στην προ-διαλογή και το φιλτράρισμα των χημικών ενώσεων και έτσι να μειωθεί ο αριθμός των εργαστηριακών πειραμάτων.

Εκπαιδευμένα σε υπάρχοντα δεδομένα, τα συστήματα ΤΝ μαθαίνουν τις σχέσεις μεταξύ των ενώσεων και των επιδράσεών τους στους βιολογικούς οργανισμούς. Στη συνέχεια χρησιμοποιούν αυτή τη γνώση για να κάνουν προβλέψεις σχετικά με τις πιθανές επιδράσεις νέων μορίων που δεν έχουν ακόμη δοκιμαστεί στο εργαστήριο.

Τελικά, η πρόκληση μετατράπηκε σε μια "ομαδική προσπάθεια", όπως αποκαλείται και στον τίτλο της εργασίας. Οι ερευνητικές ομάδες πρότειναν συνολικά 639.024 δυνητικά δραστικά μόρια κατά του παθογόνου SARS-CoV-2.

"Ήταν ένα δύσκολο έργο, επειδή στην αρχή της πανδημίας δεν υπήρχαν σχεδόν καθόλου πληροφορίες για τον SARS-CoV-2", δήλωσε ο Schimunek. Κατά συνέπεια, ήταν ιδιαίτερα δύσκολο η τεχνητή νοημοσύνη να αποτελέσει αντικείμενο εκπαίδευσης.

Οι ερευνητές του Λιντς έστειλαν στη συνέχεια τον κατάλογο των μορίων τους, ταξινομημένο από το σύστημα ανάλογα με τις πιθανότητες επιτυχίας, στους εμπνευστές, οι οποίοι με τη σειρά τους αντιμετώπισαν συνολικά 878 ιδιαίτερα υποσχόμενες χημικές ενώσεις με το παθογόνο σε εργαστηριακές δοκιμές σε συνεργασία με πολυάριθμους εταίρους.

Με την πάροδο του χρόνου, 27 μόρια αποδείχθηκαν ενεργά ή αποτελεσματικά κατά του SARS-CoV-2.

Ο Schimunek θεωρεί ότι πρόκειται για μια "σημαντική επιτυχία", η οποία δείχνει ότι η προσέγγιση έχει δυνατότητες.

Ειδήσεις υγείας σήμερα
ΕΔΟΕΑΠ - ΤΥΠΕΤ στις ρυθμίσεις ΕΟΠΥΥ για τη φαρμακευτική δαπάνη - Γεωργιάδης: Θα βγουν κερδισμένοι
Μιχ. Γιαννάκος: Γιατί είναι χαμηλή η συμμετοχή στις απεργίες των υγειονομικών
Οι συμπεριφορές που επιδεινώνουν την κατάθλιψη