Искусственный интеллект разработал лечение агрессивной формы рака всего за 30 дней и продемонстрировал, что может предсказывать выживаемость пациентов, используя записи врачей.

Эти прорывы были осуществлены отдельными системами, но они показывают, как использование этой мощной технологии выходит далеко за рамки генерации изображений и текста.

Исследователи из Университета Торонто работали с Insilico Medicine над разработкой потенциального лечения гепатоцеллюлярной карциномы (ГЦК) с использованием платформы ИИ для разработки лекарств под названием Pharma.

ГЦК — это форма рака печени, но искусственный интеллект обнаружил ранее неизвестный путь лечения и разработал «новую молекулу-хит», которая может связываться с мишенью.

Система, которая также может предсказывать выживаемость, является изобретением ученых из Университета Британской Колумбии и Британской Колумбии, которые обнаружили, что модель точна на 80 процентов.

ИИ становится новым оружием против смертельных болезней, поскольку технология способна анализировать огромные объемы данных, выявлять закономерности и взаимосвязи и прогнозировать эффекты лечения.

Об этом заявил основатель и генеральный директор Insilico Medicine Алексей Жаворонков. Объяснение: «В то время как мир был очарован достижениями в области генеративного ИИ в искусстве и языке, нашим алгоритмам генеративного ИИ удалось разработать мощные ингибиторы цели со структурой, полученной из альфа-кратности».

Команда использовала AlphaFold, базу данных структуры белков на основе искусственного интеллекта (ИИ), для разработки и синтеза потенциального лекарства для лечения гепатоцеллюлярной карциномы (ГЦК), наиболее распространенного типа первичного рака печени.

Подвиг был совершен всего за 30 дней целевого выбора и после синтеза всего семи соединений.

Во втором раунде создания соединений с помощью ИИ исследователи обнаружили более мощную хитовую молекулу, хотя любое потенциальное лекарство все равно должно пройти клинические испытания.

Фэн Рен, главный научный сотрудник и со-генеральный директор Insilico Medicine, сказал: «AlphaFold открывает новые научные горизонты в прогнозировании структуры всех белков в организме человека.

«В Insilico Medicine мы увидели в этом невероятную возможность использовать эти структуры и применить их к нашей сквозной платформе искусственного интеллекта, чтобы создать новые терапевтические средства для лечения заболеваний с высокой потребностью. Этот документ является важным первым шагом в в этом направлении.

Другая система искусственного интеллекта определяет характеристики, уникальные для каждого пациента, прогнозируя шестимесячную, 36-месячную и 60-месячную выживаемость с точностью более 80 процентов.

Система, используемая для прогнозирования ожидаемой продолжительности жизни, использовала обработку естественного языка (NLP) — ветвь искусственного интеллекта, которая понимает сложный человеческий язык — для анализа записей онколога после первоначального посещения консультации пациента.

Модель определяет характеристики, уникальные для каждого пациента, предсказывая шестимесячную, 36-месячную и 60-месячную выживаемость с точностью более 80 процентов.

Джон-Хосе Нуньес, психиатр и научный сотрудник Центра расстройств настроения UBC и рака Британской Колумбии, сказал в Объяснение: «ИИ в основном читает консультационный документ так, как его читал бы человек.

Эти документы содержат много деталей, таких как возраст пациента, тип рака, основные состояния здоровья, употребление психоактивных веществ в прошлом и семейный анамнез.

«ИИ объединяет все это, чтобы нарисовать полную картину результатов лечения пациентов».

Традиционно показатели выживаемости при раке рассчитывались ретроспективно и классифицировались только по нескольким общим факторам, таким как локализация рака и тип ткани.

Тем не менее, модель способна находить уникальные подсказки в исходном консультационном документе пациента, чтобы обеспечить более тонкую оценку.

ИИ был обучен и протестирован с использованием данных 47 625 пациентов во всех шести онкологических учреждениях Британской Колумбии, расположенных в Британской Колумбии.

«Поскольку модель обучена на данных о раке, это делает ее потенциально мощным инструментом для прогнозирования выживаемости рака в провинции», — сказал Нуньес.

‘[But] Самое замечательное в нейронных моделях NLP заключается в том, что они легко масштабируются, переносимы и не требуют структурированных наборов данных. Мы можем быстро обучить модели, используя локальные данные, чтобы повысить производительность в новой области».