Hallo nochmal. Im Vorgriff auf den Start des Kurses "Neuronale Netze in Python" möchten wir Ihnen die Übersetzung eines interessanten Artikels über den Beitrag von KI zur Entwicklung der Medizin mitteilen.
Hong Kong Insilico Medicine hat eine Studie veröffentlicht, die zeigt, dass ihr Deep-Learning-System potenzielle Behandlungen für Fibrose identifizieren kann. Dieses System, das als generatives Tensortrainingssystem mit Verstärkung oder kurz GENTRL bezeichnet wird, konnte in nur 21 Tagen sechs vielversprechende Behandlungen erkennen. Eine dieser Methoden hat in Experimenten an experimentellen Mäusen vielversprechende Ergebnisse gezeigt. Die Studie wurde in der Zeitschrift Nature Biotechnology veröffentlicht, und der
Quellcode für das Modell war auf Github verfügbar.
"Wir haben das strategische Denken der künstlichen Intelligenz mit seiner Vorstellungskraft kombiniert", sagt Alexander Zhavoronkov, CEO von Insilico, der die Arbeit von GENTRL mit dem von Deepmind Google entwickelten AlphaGo-System für maschinelles Lernen vergleicht, um die Go-Championship-Spieler herauszufordern.
Zhavoronkov gründete das Unternehmen im Jahr 2014. Er erhielt seine Grundausbildung in Informatik und arbeitete mehrere Jahre bei ATI, bis AMD das Unternehmen 2006 kaufte. Zu diesem Zeitpunkt beschloss er, seinen Beruf zu wechseln und sich mit biotechnologischer Forschung zu befassen, um sich für den Bereich der Verlangsamung des Alterungsprozesses zu interessieren. Er erhielt einen Master-Abschluss von der Johns Hopkins University und promovierte an der Moscow State University, wo er sich auf die Erforschung des Einsatzes von maschinellem Lernen konzentrierte, um die Physik molekularer Wechselwirkungen in biologischen Systemen zu untersuchen. Er arbeitete für mehrere Unternehmen, kehrte dann aber nach Baltimore zurück, um Insilico zu gründen.
Die ursprüngliche Philosophie des Unternehmens bestand darin, Deep Learning zu nutzen, um neuronalen Netzen beizubringen, große Bibliotheken von Molekülen zu umgehen und Ziele für die Exposition gegenüber Arzneimitteln zu finden. Kurz nach der Gründung des Unternehmens interessierte sich Zhavoronkov jedoch für die Arbeit von
Jan Goodfellow auf dem Gebiet des maschinellen Lernens und beschloss, den Kurs zu ändern.
"Können wir die Maschine dazu bringen, neue Moleküle mit neuen Eigenschaften zu erzeugen, anstatt nur riesige Lieferantenbibliotheken zu überprüfen?" - Er hat eine solche Frage gestellt. Die Entdeckung neuer Medikamente erfolgte traditionell durch molekulares Screening. Die Frage war jedoch, ob dieser Prozess durch maschinelles Lernen optimiert und beschleunigt werden kann.
Die erste Studie, die auf dieser Idee basiert und 2016 vom Unternehmen veröffentlicht wurde, trug dazu bei, Investitionen für die Forschung an der Schnittstelle zwischen Biotechnologie und künstlicher Intelligenz zu gewinnen. Laut Pitchbook hat Zhavoronkov weitere 24,3 Millionen US-Dollar an Investitionen von Sponsoren wie A-Level Capital und Juvenescence gesammelt, mit einer Gesamtbewertung von 56 Millionen US-Dollar. Er hat auch mehrere Biotechnologie-Partner, darunter A2A Pharmaceuticals und TARA Biosystems.
In dieser Studie geht es um die Herausforderung, die sich das Unternehmen und seine Kollegen aus der Welt der Chemie gestellt haben. Sie baten Insilico, mit ihrem System potenzielle Medikamente zu entwickeln, die die Aktivität von Domain-Rezeptor-1-Discoidin (DDR1) beeinträchtigen könnten. DDR1 ist ein Enzym, das an der Fibrose beteiligt ist, und obwohl noch nicht klar ist, ob es diese Prozesse reguliert, wird eine Hemmung seiner Aktivität als mögliche Therapie in Betracht gezogen. Diese Aufgabe bildete die Grundlage für kürzlich veröffentlichte Studien einer Gruppe von Genentech-Experten, die etwa 8 Jahre brauchten, um vielversprechende DDR1-Kinase-Inhibitoren zu identifizieren.
Gesamtansicht des Insilico-ForschungsprozessesInsilico verwendete GENTRL, um neue potenzielle Medikamente zu entwickeln, die anschließend synthetisiert wurden, und eines davon wurde sogar erfolgreich an Mäusen getestet. Der Entwurf eines künstlichen Intelligenzsystems dauerte ungefähr 21 Tage, und die Gesamtzeit für Entwicklung, Synthese und Validierung dauerte ungefähr 46 Tage. Obwohl sich keines der von GENTRL entwickelten Arzneimittel als wirksamer als die durch die traditionelle Forschungsmethode entdeckten Inhibitoren erwies, dauerte die traditionelle Methode mehr als 8 Jahre und Millionen von Dollar im Vergleich zu mehreren Wochen und ungefähren Kosten von 150.000 USD.
"Ihre Moleküle sind erstaunlich, sie sind viel besser als die Ergebnisse unserer künstlichen Intelligenz", sagte Zhavoronkov.
"Andererseits spielen jahrelange Arbeit hier eine Rolle gegen Menschen, die nicht so gut in Chemie sind, aber solche Dinge bereits tun."Vor dem Hintergrund der gesamten Arzneimittelentwicklung ist dies natürlich nur der erste Schritt. Obwohl es ein wichtiger Meilenstein ist, das Potenzial von AI bei der Identifizierung potenzieller Medikamente aufzuzeigen, wird es Jahre dauern, klinische Studien durchzuführen und Millionen von Dollar für die Forschung aufzuwenden, bevor ein potenzielles Medikament zur Behandlung einer bestimmten Krankheit zugelassen wird.
Laut Zhavoronkov hat Insilico noch viel zu tun. Für ihn ist diese Studie ein wichtiger Durchbruch, da sie die Aussichten auf den Einsatz von KI bei der Herstellung von Arzneimitteln aufzeigt.
"Ich glaube, diese Studie wird die Skepsis gegenüber globalen Pharmazeutika verringern ", sagt er.