МОСКВА, 5 ноября. /ТАСС/. Российские и китайские исследователи всесторонне изучили, как технологии искусственного интеллекта могут повлиять на развитие наномедицинских технологий и исследований в данной области, и пришли к выводу, что потребуется разработка аналитических систем классификации и стандартизации, сообщила пресс-служба Института теоретической и экспериментальной биофизики РАН (Пущино).
"Совместно с китайскими коллегами мы выявили, что применение ИИ в наномедицине открывает не только мощные перспективы, но и серьезные проблемы, такие как дефицит и неоднородность данных, необходимость их стандартизации, сложность контроля качества препаратов, длительный цикл оценки безопасности и эффективности. Для решения этих задач нужно создать систему классификации и стандартизации", - отметил заведующий лабораторией тераностики и ядерной медицины ИТЭБ РАН (Пущино) Антон Попов, чьи слова приводит пресс-служба института.
Ученые из России и Китая пришли к такому выводу при всестороннем изучении всего объема научных публикаций, посвященных рациональной разработке нанотерапевтических препаратов нового поколения с использованием ИИ. В последние годы ученые активно обсуждают возможность использования подобных систем для ускорения прогресса в области наномедицины и активно создают новые ИИ-инструменты для решения этих задач.
Сейчас подобные системы предлагается использовать как для разработки различных систем доставки нанотерапевтических препаратов, в том числе различных полимерных, жировых и неорганических наночастиц, так и различных наносенсоров, белков и разных коротких молекул, которые доставляются этими наноструктурами в заданные органы или ткани тела. В число подобных инструментов, в частности, входит "нобелевский" ИИ AlphaFold2, способный определять трехмерную структуру белка по последовательности аминокислот.
Проведенный российскими и китайскими учеными анализ публикаций, посвященных разработке и применению этих систем, указывает на то, что ИИ-инструментарий способен ускорить процесс разработки наномедицинских технологий от их концептуального проектирования до клинической реализации, однако этому достаточно сильно препятствуют небольшие объемы доступных данных, необходимых для разработки этих систем, и их неоднородность.
Как отмечают исследователи, это существенным образом ограничивает точность прогнозов и расчетов, подготавливаемых при помощи ИИ, и не позволяет использовать их для решения многих классов задач. Для решения этой проблемы необходимо систематизировать все уже полученные данные экспериментов и объединить существующие базы данных, а также разработать единые стандарты для подобных банков сведений, подытожили ученые.