В силу профессиональной специфики мы здесь обычно много пишем о таких распространенных типах использования AI, как распознавание текста, или лиц.
При всей важности и практической пользе данных сервисов, не ими одними дышит научный прогресс.
Сегодня поговорим о том, как AI помогает в буквальном смысле спасать жизни. Речь об открытии новых, ранее неизвестных науке лекарств.
В среднем, период между открытием молекулы и запуском продажи лекарства у современных фармакологических компаний составляет 10-12 лет. Средняя стоимость разработки с нуля одного лекарства в США в 2018 году — 2,2 млрд долларов.
Неудивительно, что компании в индустрии уже давно ищут способы увеличения операционной эффективности, и AI начинает постепенно занимать главенствующее место на технологическом фронте разработки лекарств: рынок вырос с 200 млн долларов в 2016 году до 700 млн долларов в 2018, а 120 из 170 крупных фарм компаний активно занимаются внедрением AI в свой R&D процесс.
Так как же работает AI в данном направлении? В основном, он использует существующие библиотеки 3D-изображений молекул и свойств лекарств, получающихся при их совмещении.
Механизмы deep learning позволяют очень быстро отыскивать такие комбинации молекул, которые приводят к желаемым чертам лекарств, и на ручной поиск которых ученым потребовались бы годы.
Ниже покажем несколько примечательных стартапов в данной области:
BenevolentAI (Великобритания) — компания обладает одной из лучших на рынке платформ по использованию AI в разработке и совершенствовании лекарств, нацеленных на лечение таких тяжелых дегенеративных заболеваний, как боковой амиотрофический склероз (ALS) и болезнь Паркинсона.
Atomwise (США) — использует сверточные нейронные сети для разработки передовых лекарств. Одно из главных достижений – успешная быстрая разработка вакцины от вируса Эбола, которая прошла клинические испытания и помогла подавить несколько вспыхнувших эпидемий смертельного вируса в Африке.
Insilico Medicine (Гонконг) — разрабатывает лекарства при помощи генеративно-состязательных сетей (GAN), о которых мы подробно писали в одном из предыдущих постов. AI-генератор создает 3D модели молекул, а AI-дискриминатор сравнивает их потенциальные свойства с требуемыми. Основное достижение – самый быстрый в истории путь от разработки до успешных клинических испытаний лекарства. Процесс занял всего 46 дней, что превысило среднюю скорость людей-исследователей в 15 раз!
Что же ждет роботов-фармакологов в будущем? Эксперты говорят о развитии в сторону принципа четырех «П»:
Предсказательность — улучшение архитектуры хранения и распространения библиотек данных;
Превентивность — увеличение точности и скорости AI;
Персонализация — снижение бюрократии и увеличение эффективности регуляторов, что позволит быстрее разрабатывать лекарства для нуждающихся категорий людей;
Повсеместность — плавное стирание географических границ при распространении лекарств, снижение цен и увеличение доступности.
Прогноз весьма оптимистичен и остается надеяться, что новые технологии и искусственный интеллект вскоре станут незаменимыми спутниками и помощниками людей в поддержании их самого базового права — права на жизнь.
#ai startups #медицина #искусственный интеллект #бизнес #предпринимательство