مرحبا مرة اخرى تحسبا لإطلاق دورة "الشبكات العصبية في بيثون" ، نريد أن نطلعكم على ترجمة مقال مثير للاهتمام حول مساهمة الذكاء الاصطناعى في تطوير الطب.
نشرت هونغ كونغ Insilico Medicine دراسة تبين أن نظام التعلم العميق يمكن أن تحدد العلاجات المحتملة للتليف. تمكن هذا النظام ، الذي يطلق عليه نظام التدريب التينسي التوليفي مع التعزيز أو GENTRL لفترة وجيزة ، من اكتشاف ستة علاجات واعدة في 21 يومًا فقط. وقد أظهرت إحدى هذه الطرق نتائج واعدة في تجارب على الفئران التجريبية. تم
نشر الدراسة في مجلة Nature Biotechnology ، وكانت
شفرة المصدر للنموذج متاحة على جيثب.
يقول ألكساندر تشافورونكوف ، الرئيس التنفيذي لشركة Insilico ، الذي يقارن عمل GENTRL مع نظام AlphaGo للتعلم الآلي الذي طورته Deepmind Google لتحدي لاعبي البطولات:
"لدينا التفكير الاستراتيجي في الذكاء الاصطناعي إلى جانب خياله" .
أسس Zhavoronkov الشركة في عام 2014. تلقى تعليمه الأولي في علوم الكمبيوتر وأمضى عدة سنوات في ATI ، حتى عام 2006 ، اشترت AMD الشركة. في هذه المرحلة ، قرر تغيير مهنته والانخراط في البحوث التكنولوجية الحيوية ، وأصبح مهتما في مجال إبطاء عملية الشيخوخة. حصل على درجة الماجستير من جامعة جونز هوبكنز ، ثم حصل على الدكتوراه من جامعة موسكو الحكومية ، حيث ركز على البحث في استخدام التعلم الآلي لدراسة فيزياء التفاعلات الجزيئية في النظم البيولوجية. كان يعمل لعدة شركات ، لكنه عاد بعد ذلك إلى بالتيمور لتأسيس Insilico.
كانت فلسفة الشركة الأولى هي استخدام التعلم العميق من أجل تعليم الشبكات العصبية لتجاوز المكتبات الكبيرة للجزيئات وإيجاد أهداف للتعرض للعقاقير. ومع ذلك ، بعد وقت قصير من تأسيس الشركة ، أصبح Zhavoronkov مهتمًا بعمل
Jan Goodfellow في مجال التعلم الآلي وقرر تغيير المسار.
"هل يمكننا الحصول على آلة لإنشاء جزيئات جديدة بخصائص جديدة ، بدلاً من فحص مكتبات الموردين العملاقة؟" - سأل مثل هذا السؤال. كان اكتشاف العقاقير الجديدة تقليديًا من خلال الفحص الجزيئي ، ولكن السؤال هو ما إذا كان يمكن تحسين هذه العملية وتسريعها باستخدام التعلم الآلي.
ساعدت الدراسة الأولى المستندة إلى هذه الفكرة ، والتي نشرتها الشركة في عام 2016 ، في جذب الاستثمار للبحث عند تقاطع مجالات التكنولوجيا الحيوية والذكاء الاصطناعي. وفقًا لـ Pitchbook ، جمع Zhavoronkov 24.3 مليون دولار أخرى من الاستثمارات من الجهات الراعية مثل A-Level Capital و Juvenescence ، بقيمة إجمالية 56 مليون دولار. لديه أيضًا العديد من شركاء التكنولوجيا الحيوية ، بما في ذلك A2A Pharmaceuticals و TARA Biosystems.
تدور هذه الدراسة حول التحدي الذي طرحته الشركة وزملاؤها من عالم الكيمياء. طلبوا من Insilico استخدام نظامهم لتطوير عقاقير محتملة يمكن أن تتداخل مع نشاط مستقبلات المجال 1 discoidin (DDR1). DDR1 هو إنزيم مشترك في التليف ، وعلى الرغم من أنه لم يتضح بعد ما إذا كان ينظم هذه العمليات ، إلا أن تثبيط نشاطه يعتبر علاجًا ممكنًا. شكلت هذه المهمة أساسًا للدراسات المنشورة مؤخرًا من قبل مجموعة من خبراء Genentech الذين استغرقوا حوالي 8 سنوات لتحديد مثبطات كيناز DDR1 الواعدة.
منظر عام لعملية البحث Insilicoاستخدم Insilico GENTRL لتطوير أدوية محتملة جديدة تم تصنيعها لاحقًا ، وتم اختبار واحد منها بنجاح في الفئران. استغرق تصميم نظام الذكاء الاصطناعي حوالي 21 يومًا ، واستغرق إجمالي الوقت اللازم للتطوير والتوليف والتحقق حوالي 46 يومًا. على الرغم من أن أي من الأدوية التي طورتها GENTRL أثبتت فعاليتها أكثر من مثبطات اكتشفتها طريقة البحث التقليدية ، إلا أن الطريقة التقليدية استغرقت أكثر من 8 سنوات وملايين الدولارات مقارنة بعدة أسابيع وبتكلفة تقريبية قدرها 150،000 دولار.
"جزيئاتها مذهلة ، فهي أفضل بكثير من نتائج الذكاء الاصطناعي لدينا ،" - قال Zhavoronkov.
"لكن مرة أخرى ، تلعب سنوات العمل دوراً هنا ضد الأشخاص الذين لا يجيدون الكيمياء ، لكنهم يقومون بالفعل بهذه الأشياء".بالطبع ، على خلفية التطور الكامل للأدوية ، هذه ليست سوى الخطوة الأولى. على الرغم من أنه من المعالم الهامة لإظهار إمكانات الذكاء الاصطناعي في تحديد الأدوية المحتملة ، إلا أن الأمر سيستغرق سنوات من التجارب السريرية وملايين الدولارات للبحث قبل اعتماد أي دواء محتمل كعلاج لمرض معين.
يقول Zhavoronkov أيضا أن Insilico لا يزال لديه الكثير من العمل للقيام به. بالنسبة له ، تعتبر هذه الدراسة إنجازًا مهمًا ، حيث إنها تُظهر احتمالات استخدام الذكاء الاصطناعي في تصنيع الأدوية.
يقول: "أعتقد أن هذه الدراسة ستقلل من الشكوك في المستحضرات الصيدلانية العالمية ".