خوزستان در محاصره گرما؛ دمای امیدیه و رامشیر به ۴۸.۸ درجه رسید دستگیری ۴ جوان شرور در خیابان قزوین تهران / فیلم هولناک قمه کشی این اشرار را ببینید پلیس راهور: در شهریور ماه هر راننده‌ای که مرتکب تخلف حادثه‌ساز شود، گواهینامه‌اش به صورت سیستمی تا سه ماه متوقف خواهد شد سیستان و بلوچستان شنبه تعطیل شد طرح ترافیک شنبه در تهران اجرا نمی‌شود وزیر ارتباطات: نقد مردم به کیفیت اینترنت به حق است معاون شهردار رباط کریم دستگیر شد استانداری تهران: تعطیلی روز شنبه امتحانات دانشگاه‌ها را لغو نمی‌کند تعطیلی دستگاه‌های اجرایی قزوین در اول شهریور زمان پرداخت معوقات بازنشستگان حداقلی بگیر اعلام شد هوای تهران گرم‌تر می‌شود؛ افزایش تابش اشعه فرابنفش در پایتخت پلیس: دیگر پذیرای اتباع نیستیم/ برآورد ما این است که امسال بیش از یک‌میلیون و ۲۰۰ هزار نفر از اتباع غیرمجاز به کشورشان بازگردانده شوند شهرداری تهران: ثبت نام برای جذب ۱۰ هزار پاکبان ایرانی آغاز شد فضانوردان چینی ایستگاه فضایی را در مقابل زباله‌ها ایمن‌تر کردند زمان برگزاری آزمون استخدامی وزارت بهداشت تغییر کرد بازداشت ۳ متهم تیراندازی در چالوس/ پای تسویه حساب شخصی در میان بود

همکاری هوش مصنوعی و رباتیک برای کشف دارو‌های جدید

پژوهشگران «دانشگاه تورنتو» در حال تسریع فرمولاسیون دارو هستند تا جان تازه‌ای به دارو‌های قدیمی ببخشند و خطر شکست را در آزمایش‌های بالینی کاهش دهند
تاریخ انتشار: ۱۶:۳۰ - ۱۸ شهريور ۱۴۰۳ - 2024 September 08
کد خبر: ۲۵۶۶۹۷

به گزارش راهبرد معاصر؛ هوش مصنوعی، یادگیری ماشینی و رباتیک به طور قابل توجهی کشف و تولید دارو را بهبود بخشیده‌اند، اما این حوزه‌ها در تجارت پرهزینه و پرخطر داروسازی هنوز هم فرصت دارند تا بر یک بخش نادیده گرفته‌شده از روند توسعه دارو اثر بگذارند. این بخش، فرمولاسیون دارو است.

به نقل از ادونسد ساینس نیوز، پس از کشف دارو و پیش از آزمایش بالینی و مرحله ساخت، یک مولکول دارویی امیدوارکننده فرموله می‌شود. این بدان معناست که دارو به گونه‌ای آماده می‌شود که بتوان آن را به طور ایمن و مؤثر به بدن رساند؛ به عنوان مثال، دارو به صورت قرص، اسپری بینی یا تزریق ارائه می‌شود. اگرچه این موضوع بسیار مهم است، اما این بخش پیچیده از فرآیند توسعه هر داروی جدید اغلب توسط نادیده گرفته می‌شود.

به گفته پژوهشگران «دانشگاه تورنتو»، روش‌های خودکار مبتنی بر هوش مصنوعی برای فرمولاسیون دارو هنوز در حال تکامل هستند و قابلیت‌های بکری را ارائه می‌دهند که علاوه بر تولید دارو‌های جدید و موثرتر می‌توانند دارو‌های قدیمی را نیز احیا کنند.

«کریستین آلن» (Christine Allen) استاد و پژوهشگر دانشکده داروسازی دانشگاه تورنتو گفت: چالش فرمولاسیون، پیچیدگی زیاد آن است. درباره یک داروی خوراکی، بیش از ۱۰ میلیارد ترکیب احتمالی برای مواد تشکیل‌دهنده وجود دارد و هیچ کس قرار نیست همه ۱۰ میلیارد احتمال را ارزیابی کند.

به نظر می‌رسد الگوریتم‌های هوش مصنوعی و یادگیری ماشینی برای بررسی کردن این انبوه احتمالات عالی هستند. با وجود این، تلاش اولیه برای استفاده از هوش مصنوعی در آزمایشگاه آلن با هدف پیش‌بینی چگونگی انتشار یک دارو از یک ذره پلیمری، نقص‌هایی را در این فرضیه آشکار کرد.

آلن گفت: ما مجموعه داده‌ها را با توجه به پژوهش‌های پیشین انتخاب کردیم که تعدادی از آنها در آزمایشگاه خودمان انجام شده بودند و آن داده‌ها را برای آموزش مدل‌های یادگیری ماشینی به کار بردیم.

طولی نکشید که مشکلات ظاهر شدند. آلن ادامه داد: داده‌هایی وجود دارند که گم شده‌اند یا اطلاعاتی که در سوابق پژوهشی وجود ندارند. اینها اطلاعاتی هستند که برای آموزش مدل‌های یادگیری ماشینی به آنها نیاز داریم.

برای پر کردن شکاف‌ها، گروه آلن از تجهیزات آزمایشگاهی استفاده کردند که برای انجام دادن سریع آزمایش‌های استاندارد و تولید سریع و دقیق داده‌های از دست‌رفته خودکارسازی شده‌اند. این گروه پژوهشی، هوش مصنوعی و خودکارسازی را به آزمایشگاه وارد کرده بودند، اما این دو را در یک روش جدید ادغام کردند که بتواند پتانسیل فرمولاسیون دارو را محقق کند.

پلتفرم خودکار به سرعت فرمول‌های اولیه را ایجاد و آزمایش می‌کند و پس از آن، داده‌ها برای آموزش مجدد الگوریتم و تولید گروه بعدی فرمول‌ها ارائه می‌شوند. آلن گفت: این یک حلقه بسته است تا وقتی بتوانیم گزینه‌های فرمولاسیون را که با مشخصات محصول مورد نظر مطابقت دارند، شناسایی کنیم.

آلن معتقد است که این روش نه تنها می‌تواند تحقیقات را به طور چشمگیری سرعت ببخشد، بلکه می‌تواند کارآیی را نیز افزایش دهد. به گفته آلن، فرمولاسیون بهتر کمک می‌کند تا دارو‌های بیشتری بتوانند آزمایشات بالینی را پشت سر بگذارند.

این پژوهش در مجله «Advanced Healthcare Materials» به چاپ رسید. / ایسنا

مطالب مرتبط
ارسال نظر