A gyógyszerek közötti rossz kölcsönhatást csökkentheti a mesterséges intelligencia

Az amerikai Élelmiszer- és Gyógyszerengedélyeztetési Hivatal (FDA) szerint a gyógyszerek közötti káros kölcsönhatások miatt csak az Egyesült Államokban évente több mint 100.000 beteg hal meg. Természetesen az orvosok és a kutatók igyekeznek a legtöbbet megtenni azért, hogy ilyen esetek ne forduljanak elő, sajnálatosan a gyógyszerfejlesztés során nincs rá mód, hogy teljes mértékben kiszűrjék az efféle mellékhatásokat.

A hagyományos módszerek drágák, és fáradságos fizikai teszteket, valamint klinikai vizsgálatokat igényelnek, de a mesterséges intelligencia egyszerűsítheti és hatékonyabbá teheti a jövőben ezt a procedúrát.

Betegek életét mentheti meg a mesterséges intelligencia alapú gyógyszerelemzés

A módszer lényege, hogy a rendszer két különféle gyógyszer tulajdonságait vizsgálja, és előrejelzést készít arról, hogy miként fognak kölcsönhatásba lépni egymással. A kutatók először a gyógyszerek 3D-s kémiai szerkezetét alakítják át egy SMILES néven ismert karaktersorozatra, amit aztán neurális hálózattal el tudnak olvasni. Például a melatonint a "CC(=O)NCCC1=CNc2c1cc(OC)cc2" karakterekkel, míg a morfint a "CN1CCC23C4OC5=C(O)C=CC(CC1C2C=CC4O)=C35" karakterekkel írják le.

Ezeket aztán a neurális hálózaton összehasonlítják az adatbázisban már meglévő gyógyszerek ismert kölcsönhatásaival. A kapott eredmény megjósolja annak a valószínűségét, hogy két gyógyszernek lesz-e káros hatása egymásra, illetve megmutatja a molekula azon részeit is, amelyek ezt a hatást előidézik.

A kémiai adatok ilyen szintű elemzésére szolgáló új technológia jelentős fejlődést hozhat a gyógyszerek tervezésekor, valamint a gyógyszerekhez szükséges anyagok elkészítésekor. David Cox, az MIT-IBM Watson AI Lab igazgatója szerint óriási lehetőség van a mesterséges intelligenciában, hiszen több lehetőséget adhat a kutatóknak arra, hogy megismerjék és hatékonyabban kezeljék a kémiai interakciókat, jellemzőket és tulajdonságokat a tervezés során.

- Varga Viktor -