Існує багато різних типів штучного інтелекту (ШІ), але найпоширенішим є машинне навчання (МН).
При машинному навчанні додаються вхідні дані, потім застосовується складна функція, яка пов'язує їх зі спостереженням.
Щоб винайти ліки, дослідники традиційно проводять великий скринінг бібліотек молекул, щоб виявити одну з них, яка може стати лікарським засобом.
Потім вони проходять численні раунди випробувань, щоб перетворити молекулу на перспективну сполуку.
Останні дані показують, що вартість виведення нового лікарського засобу на ринок зараз в середньому становить 2,6 млрд доларів США.
Крім того, навіть якщо новий лікарський засіб-кандидат демонструє потенціал у лабораторних дослідженнях, він все одно може виявитися невдалим у клінічних випробуваннях.
Менше 10% препаратів-кандидатів потрапляють на ринок після першої фази випробувань.
За даними компанії Bekryl, що займається дослідженням ринку, до 2028 року штучний інтелект може забезпечити економію понад 70 мільярдів доларів США у процесі розробки ліків.
Величезні розміри бібліотек, які використовуються для пошуку нових кандидатів на лікарські препарати, означають, що окремим дослідникам практично неможливо переглянути все самостійно - і саме тут на допомогу приходять штучний інтелект і машинне навчання.
ШІ та МН дозволяють дослідникам витягувати приховану інформацію з величезних масивів даних.
Це лише кілька прикладів з початкових етапів розробки лікарського засобу.
Участь ШІ у розробці фармацевтичного продукту від лавки до ліжка пацієнта можна уявити, враховуючи, що він може допомогти:
Тож, ШІ та МН відіграватиме важливу роль у розробці ліків, у зв’язку з чим FDA планує розробити і прийняти гнучку регуляторну базу, засновану на оцінці ризиків, яка сприятиме інноваціям і захищатиме безпеку пацієнтів.