هوش مصنوعی (AI) یک عصر جدید در توسعه دارو در ژاپن راهاندازی کرده است که هدف از طریق ایجاد پروژههای “AI دارویی” کاهش قابل توجه زمانها و هزینههای تحقیق را هدف قرار داده است. هنگام توسعه واکسنها و داروهای جدید برای بیماریهای عفونی مانند COVID-19، از هوش مصنوعی برای تجزیه و تحلیل حجم عظیمی از تصاویر میکروسکوپ الکترونی از پروتئینهای ویروس و باکتری برای پیشبینی تغییرات مورفولوژیک استفاده میشود و به درک مکانیزمهای عفونت کمک میکند.
یک ائتلاف از 17 شرکت دارویی تصمیم به تجمیع دادههای مربوط به ترکیبات دارویی و اثرات آنها گرفتهاند و به سمت توسعه سیستمهای هوش مصنعی حرکت میکنند تا بتوانند ترکیبات واعدی را برای کشف دارو توصیه کنند.
به منظور رقابت با شرکتهای بزرگ داروسازی غربی که سرمایهگذاری فراوانی را در توسعه داروهای جدید دارند، ژاپن به هوش مصنوعی روی گرفته است تا حضور صنعت دارویی خود را تقویت کند. آقای یاسوشی اوکونو، رئیس بخش تحقیقات علوم محاسباتی در مرکز تحقیقات علوم محاسباتی در RIKEN و همچنین استاد در دانشگاه کیوتو، بر گام از حرکت به سمت کشف داروی محرکی AI تاکید کرد و اظهار کرد که درک اشکال پروتئینها و تغییرات آنها نقش اساسی در توسعه داروهای جدید دارد.
با آموزش مدلهای هوش مصنوعی با مجموعه دادههای بزرگ تصاویر میکروسکوپ الکترونی پروتئین، RIKEN و فوجیتسو الگوریتمهای AI توانایی پیشبینی تغییرات مورفولوژیک را سریعتر از روشهای قدیمی، در حدود 2 ساعت به جای یک روز کامل، توسعه دادهاند. این فرایند شتاب زده، امکان شناسایی کارآیی دارویی را برای شرکتهای داروسازی فراهم میکند.
آژانس ژاپنی تحقیقات پزشکی و توسعه پیشنهادات AI دیگر (DAIIA) پروژه را هدایت میکند که شامل محققان دانشگاهی و 17 شرکت دارویی است تا سیستمهای هوش مصنوعی ایجاد کنند که ترکیبات واعدی را برای داروهای جدید پیشنهاد دهند.
آقای اوکونو، که در پروژه DAIIA شرکت دارد، بر لزوم همکاری داخلی بین شرکتهای دارویی و محققان تأکید کرده و نیاز به بهرهگیری از فناوریهای هوش مصنوعی را برای تطابق با شرکتهای دارویی بزرگ بین المللی تأکید داشت.
حقایق اضافی:
– فناوری هوش مصنوعی در توسعه دارو محدود به ژاپن نیست؛ کشورهایی مانند ایالات متحده، چین و انگلیس همچنین به طریقهای فراوان به استفاده از هوش مصنوعی برای شتاب بخشیدن به فرآیند کشف داروها سرمایهگذاری میکنند.
– استفاده از هوش مصنوعی در توسعه دارو فقط برای بیماریهای عفونی محدود نیست بلکه به مناطق درمانی مختلفی از جمله سرطان، بیماریهای اعصاب و اختلالات ژنتیک نادر هم تعمق میکند.
– شرکتهای دارویی در حال همکاری با شرکتهای تکنولوژیکی متخصص در AI هستند تا به اندروالام الگوریتمهای پیشرفته و توان محاسباتی برای توسعه موثرتر داروها دست پیدا کنند.
سوالات مهم:
1. چگونه فناوری هوش مصنوعی میتواند دقت و سرعت پیشبینی کاراآیی دارو و پروفایل ایمنی آن را بهبود بخشد؟
2. چه تبعات اخلاقی در اعتماد به الگوریتمهای هوش مصنوعی برای تصمیمات حیاتی در توسعه دارو وجود دارد؟
3. چگونه ارگانهای نظارتی میتوانند برای نظارت بر یکپارچگی هوش مصنوعی در فرآیند توسعه دارو و تضمین ایمنی بیماران تطبیق کنند؟
چالشها/انتقادات کلیدی:
– مشکلات مربوط به حریم خصوصی و امتلاک محتوا پیش میآید هنگامی که دادههای حساس دارویی بین بیش از یک شریک در پروژههای هوش مصنوعی همکاری مشترک میکنند.
– نگرانیها درباره بایاسهای محتمل در الگوریتمهای هوش مصنوعی که ممکن است منجر به پیشنهادهای تکراری برای ترکیبات دارویی شود و بر تنوع و جامعیت تلاشهای توسعه دارو تأثیر بگذارد.
– نیاز به شفافیت و روشنسازی در فرآیندهای تصمیمگیری هوش مصنوعی برای ایجاد اعتماد در میان ستونکشها، نظامهای نظارتی و بیماران.
مزایا و معایب:
– مزایا: فناوری هوش مصنوعی میتواند به طور چشمگیری زمانبندی توسعه دارو را کوتاه کند، هزینهها را کاهش دهد، دقت پیشبینی را افزایش دهد و کشف اهداف داروهای جدید را تسهیل کند.
– معایب: چالشهای مربوط به کیفیت داده، بایاس الگوریتم، تفسیر پذیری نتایج هوش مصنوعی، فرازهای راهنمایی، و تخطی احتمالی از محققین انسانی در برخی جنبههای توسعه دارو.
پیوندهای مرتبط پیشنهادی:
– وبگاه رسمی FDA
– مجله Nature
– مؤسسه ملی بهداشت (NIH)