Количество новостей о продуктивном искусственном интеллекте время от времени может надоедать читателям. Однако необходимо оценивать все эти новости в более широкой перспективе. Если вы посмотрите на наши новостные статьи, то увидите, что мы публикуем новости об искусственном интеллекте очень часто. Это говорит о том, что продуктивный искусственный интеллект изменит многое. Одним из столпов этой трансформации будет и уже является медицина. Системы искусственного интеллекта уже сейчас начинают самостоятельно разрабатывать новые лекарства.
Возможно, вы не слышали о Eli Lilly and Company, но она стала первой компанией, которая массово производила вакцину от полиомиелита и инсулин. Кроме того, вчера она заняла 123-е место в списке Fortune 500. Хотя ресурсы этой компании невероятны, сейчас она пытается внедрить продуктивный искусственный интеллект в фармацевтические исследования.
Диого Рау, главный специалист компании по вычислениям и цифровым технологиям, использует генеративный искусственный интеллект для поиска миллионов молекул. За 5 минут система может создать больше молекул, чем человек может синтезировать за год. Конечно, нет никакой возможности узнать, будет ли каждая созданная конструкция работать в реальном мире, но именно это и хотят знать руководители компании.
фото: ru.freepik.com / автор: zaie
Для этого Рау представил ученым компании разработанные ИИ конструкции, которые выглядели как перспективные кандидаты на получение лекарств. Предполагалось, что ученые, включая руководителей и самого Рау, проигнорируют результаты работы ИИ. Однако все оказалось совсем не так.
«Это интересно; мы не думали о том, чтобы спроектировать молекулу таким образом», - сказал Рау в своем заявлении.
По мнению руководителей здравоохранения, в ближайшем будущем мы начнем видеть лекарства, полностью созданные искусственным интеллектом. Продуктивный искусственный интеллект изменит не только фармацевтическую промышленность, но и то, как мы занимаемся наукой.
На самом деле эта тенденция впервые стала очевидной в 2021 году, еще до появления ChatGPT. По словам Кимберли Пауэлл, вице-президента Nvidia по здравоохранению, этот процесс начался с AlphaFold, разработанного подразделением искусственного интеллекта DeepMind компании Google. AlphaFold делал предсказания о структуре белков. Это открыло путь к переходу от секвенирования аминокислот, которое стоит в центре разработки и проектирования лекарств, к структуре белка.
В ближайшем будущем фармацевтическая отрасль может измениться. Представьте себе искусственный интеллект, который сканирует миллионы клеток в 3D, знает обо всех проведенных исследованиях, может самоконтролироваться и обучаться. В паре с суперкомпьютерами этот искусственный интеллект может за считанные минуты создать лекарство, на разработку которого обычно уходят годы.
Открытие лекарств - это процесс наблюдения за взаимодействием и изменениями в биологическом поведении. И этот процесс теперь можно представить в компьютерных моделях. Это означает радикальный отказ от классического метода, который доминировал в открытии лекарств в прошлом веке.
Сегодня для создания лекарственного препарата требуются обширные эксперименты, затем сбор данных, их анализ на человеческом уровне, а затем еще один процесс разработки на основе этих результатов. По имеющимся данным, 90 % многолетних исследований, предшествующих клиническим испытаниям, заканчиваются неудачей. Ссылаясь на результаты недавних исследований, опубликованных в журнале Nature, Пауэлл подчеркивает, что с помощью искусственного интеллекта компания Amgen сократила процесс разработки лекарств, который раньше мог занять годы, до нескольких месяцев. Сообщается, что после двух лет традиционных разработок вероятность успеха возросла до 50 %.
Под названием Generative AI Microservices компания Nvidia начала предоставлять исследователям возможность отбирать триллионы лекарственных соединений и предсказывать структуру белков. Компания Cadence, занимающаяся разработкой вычислительного программного обеспечения, интегрирует ИИ Nvidia в платформу молекулярного дизайна, которая позволяет исследователям создавать, искать и моделировать библиотеки данных, содержащие сотни миллиардов соединений. AlphaFold-2 от DeepMind также предлагает возможности для исследования в области моделирования белков.
По словам Пауэлла, биологу было сложно использовать AlphaFold, но компания Nvidia упростила его. В настоящее время достаточно зайти на веб-страницу и ввести последовательность аминокислот. Если бы это делалось в лаборатории с помощью прибора, стоимость превысила бы 5 млн долларов, а сам процесс занял бы год. Теперь же результаты получаются практически мгновенно.
Несмотря на огромные достижения, эксперты и исследователи подчеркивают, что они все еще находятся в начале пути. Это связано с возможностями моделей искусственного интеллекта. Размер этих моделей составляет несколько триллионов параметров, но даже геном имеет длину всего 3 млрд букв. Так что процесс будет продолжаться, модели будут обучаться на новых данных и расти. Наконец, не стоит забывать, что модели ИИ растут в геометрической прогрессии, и хотя мы находимся в начале пути, двери остаются открытыми, чтобы увидеть стремительный прогресс.
