İlaç endüstrisi yapay zeka ile karşılaştığında, yapay zeka özel efektleri "soğutabilir"
Resim kaynağı: Visual China
"Sadece hayatta kalmak istiyor, onun nesi var!"
Huang Mao öldükten sonra morgun dışında, Cheng Yong polis memuruna bağırdı.
Kaç kişi jenerik ilaçlar için ve hayatta kalmak için hayatını ödedi.
Yüksek fiyatlı orijinal ilaçlar, hastaları geri alınamaz hale getirir. Yeni bir ilacın, özellikle de "özel etkili bir ilacın" araştırma ve geliştirilmesinin, 100 milyon yuan'dan fazla araştırma ve geliştirme maliyeti ve bir araştırma ve geliştirme döngüsü gerektirdiği yadsınamaz.Piyasaya lansmanı zaten birçok hasta için "iyi bir haber". Ancak, yüksek fiyatlar, "özel efektler" ve hastalık tedavisinin nasıl "soğutulacağı" karşısında, yapay zeka adım adım "ilaç tanrınız" haline gelebilir.
AI, lösemiyi öngörür, böylece lösemi artık "ani bir felaket" olmaz
Son zamanlarda, "Nature" bir araştırma sonucu yayınladı - ülke çapındaki birçok bilimsel araştırma kurumundan lösemi bilim adamlarından oluşan bir araştırma ekibi, sağlıklı bireylerin akut miyeloid lösemi (AML) riski altında olup olmadığını tahmin etmek için kan testi ve makine öğrenimi kullandı. .
Bu, gelecekte AML'nin ortaya çıkması konusunda erken uyarı alacağımız ve yüksek riskli AML gruplarını erken tespit edip izleyebileceğimiz anlamına gelir.Aynı zamanda, hastalığın olasılığını azaltmak için çözümler bulmak için araştırma ve geliştirme yapabiliriz.
Doğa hakkında dünya çapında birçok bilimsel araştırma kurumu tarafından yayınlanan makaleler
AML, kemik iliğinde ve periferik kandaki ilkel ve olgunlaşmamış miyeloid hücrelerin anormal proliferasyonu ile karakterize edilen "akut miyelojenöz lösemi" olarak adlandırılır.AML hastalarında kanser hücreleri, kemik iliğinde hızla çoğalır ve normal kan hücrelerinin üretimini engelleyerek kanamaya yol açar. Ve enfeksiyon semptomları, hatta hayatı tehdit edici.
Bu nedenle, araştırmacılar, AML ile ilgili bilinen genler için 124 AML hastasının kan DNA'sını sıralayan ve AML veya ilgili kansere sahip olmayan 676 kişiyle karşılaştıran bir gen sıralama aracı geliştirdi.
Büyük veri izleme yoluyla, AML'li birçok kişinin genlerinde genetik değişiklikler olduğunu, hastalığı olmayanların ise olmadığını buldular. Daha sonra AML geliştirenlerin genlerinde daha fazla mutasyon vardı ve bu mutasyonlar kan hücrelerinin daha yüksek bir oranında ortaya çıktı.
Daha fazla araştırmayla, araştırmacılar robot öğrenme modeli aracılığıyla bir AML tahmin modeli oluşturdular ve büyük veri değişkenleriyle desteklediler. Duyarlılığı ve özgüllüğü ile tanıdan 6-12 ay önce AML'yi tahmin edebilir Sırasıyla% 25,7 ve% 98,2'ye ulaştı.
AML tahmin modeli (resim kaynağı: Doğa)
Watson daha önce 60 kadında nadir görülen bir lösemi teşhisi koymuştu. 20 milyon kanser verisi raporunda farklı hastaların genetik değişikliklerini karşılaştırarak Watson sadece kesin hastalığı değil, sadece 10 dakika içinde sonucu elde etti. Teşhis için Watson ayrıca uygun bir tedavi planı sağladı.
Yapay zeka tahmininin ortaya çıkması insanları mutlu ediyor, ancak birçok insan da bundan şüphe ediyor. Nitekim, örneğin, ölüm zamanını tahmin eden YZ'nin ortaya çıkışı, yapay zekanın uygulanmasını artık teknik bir sorun değil, etik bir sorun haline getiriyor. Ne zaman hasta olduğunu ve ne zaman öldüğünü bildiğinde, bu iyi bir şey gibi görünmüyor.
AI ilaçları, ilaç geliştirme modelini değiştiriyor
"I'm Not the God of Medicine" filminde, çelişkinin odak noktası "Glenin" in çok yüksek fiyatında yatıyor. Yeni ilaçlar pahalı ve araştırma ve geliştirme aşamasındalar. AI, araştırma ve geliştirmenin "deneme yanılma" kısmında çok yardımcı olabilir.
Akıllı tıbbi bakımın mevcut gelişiminden yola çıkarak, örüntü tanımada iyi olan yapay zeka, çeşitli hastalıkların arkasındaki karmaşık ağı kırmak için büyük miktarda mevcut ve yeni gen, metabolizma ve klinik bilgiyi tarayabilir ve tarayabilir. Bu da belirli hasta grupları için uygun ilaçların keşfedilmesine yardımcı olurken, ilaç şirketlerine başarısız olabilecek ilaçlardan kaçınmaları için rehberlik eder.
Buna ek olarak, yapay zekanın biyolojik önemi ile ilaç şirketlerinin, hastaların koşullarına göre kendileri için işe yaraması en muhtemel olan yenilikçi tedavilerin klinik araştırmalarına katılmalarına yardımcı olabilir.Bu, ABD FDA'nın onayı gibi yeni ilaçların onaylanma olasılığını artırabilir.
Aslında, tıbbi araştırma ve geliştirmenin özü, karar verme için değerli veri desteği sağlamak üzere deneysel bilgileri, verileri, klinik deney sonuçlarını ve verileri birleştiren ve dağınık verileri entegre eden bilgi grafiğinde yatmaktadır.
Mevcut bakış açısına göre, yapay zeka temel olarak yedi ana senaryoda ilaç geliştirme üzerinde etkilidir: hedef ilaç geliştirme, aday ilaç keşfi, bileşik tarama, ADMET özelliklerinin tahmini, ilaç kristal formu tahmini, yardımcı patolojik biyoloji araştırması ve yeni ilaç adaptasyonlarının keşfi hastalık.
Yapay zekanın etki ettiği farmasötik senaryolar
Tech Emergence tarafından yayınlanan bir araştırma raporuna göre AI, yeni ilaç geliştirmenin başarı oranını% 12'den% 14'e çıkarabilir. Bu% 2, biyofarmasötik endüstrisine araştırma ve geliştirme maliyetlerinde milyarlarca dolar ve çok sayıda deneme yanılma süresi kazandırabileceği anlamına gelir.
Bununla birlikte, AI ilaç geliştirmenin uzun süreli bir savaş olması gerektiği inkar edilemez. Şu anda, dünyada AI ilaç araştırma ve geliştirme konusunda başarılı vakalar yoktur ve yapay zeka tarafından geliştirilen ilaçlar pazarlama için onaylanmamıştır.
Şu anda, AI kullanan iyi gelişmiş yabancı şirketler tarafından geliştirilen yeni ilaçlar faz II klinik denemelerine girmiştir, ancak faz II'den faz III'e başarısızlık oranı% 70-80'e kadar çıkmaktadır. Yapay zeka teknolojisinin geniş bir uygulama alanı var ve daha önümüzde uzun bir yol var. Pfizer, Roche, GSK ve diğer devler yapay zeka şirketlerine "bahse giriyor" ve mevcut gelişmenin test edilmesi için hala zamana ihtiyacı var.
Ancak bu, AI ilaçlarının imkansız olduğu anlamına gelmez. Teknoloji, ilaç araştırma ve geliştirmenin verimliliğini etkili bir şekilde kısaltabilir ve araştırma ve geliştirmenin başarı oranını artırabilirse, ilaç araştırma ve geliştirmenin maliyeti büyük ölçüde azalacak ve bu da ulusal sağlık sigortasının yükünü büyük ölçüde azaltabilecek ve "uygun fiyatlı ilaçlar" da mümkün hale gelecektir.
İlaç verileri, yapay zeka eczanesinin anahtarı haline geliyor
Aslında, akıllı tıp alanındaki yapay zekanın her adımında önemli bir faktörün göz ardı edilemeyeceğini de görebiliriz: ilaç verileri.
Örneğin, yeni ilaç araştırma ve geliştirme alanında yapay zeka, bilim insanlarının devasa bileşik veri tabanlarından literatür taramalarını tamamlamasına yardımcı olabilir.Birçok şirket, belirli hedeflere sahip bileşiklerin bağlanma etkilerini simüle etmek için makinelerin nasıl kullanılacağını da araştırıyor ve böylece yeni ilaç tarama sürecini büyük ölçüde hızlandırıyor. Dünyada her yıl yeni ilaçların araştırılması ve geliştirilmesi için yüz milyarlarca dolar harcanmaktadır ve AI teknolojisinin uygulanması, araştırma ve geliştirme verimliliğini bir dereceye kadar artırabilir.
Yapay zeka, makine öğrenimi yoluyla yalnızca zamanı hızlandırmakla kalmaz, aynı zamanda denemelerin sonraki aşamasına ulaşan ilaçların başarı olasılığını da artırabilir. Yapay zeka, ilaç denemelerinin riskini azaltabilirse, büyük ilaç şirketleri için çok fazla maliyet tasarrufu sağlayabilir ve daha fazla potansiyel fırsat bulmaya odaklanmak için kaynakları serbest bırakmalarına olanak tanır.
Benzer yapay zeka uygulamaları, salgın istatistikleri, klinik araştırma veri analizi ve hassas tıbbi genetik testlerde de umut vaat ediyor. Yapay zeka hassas tıp projeleri açısından IBM, "Waston Oncologist" in ardından "Waston for Genomics" i de başlattı.
İlaç verilerine ek olarak, tıbbi veriler de doktorların teşhisi ve sonrasında ilaç geliştirme için önemli bir temel haline gelmiştir. Sağlıklı akıllı donanımın yükselişiyle, tıbbi verilerin sınırları sürekli genişletiliyor.
Nisan 2016'da, bir parça sağlıklı akıllı donanım tarafından kaydedilen veriler, New Jersey'li bir erkeğin hayatını kurtardı. Adam işte kalp krizi geçirdi. Doktor, günlük kalp atış hızı verilerini almak için akıllı telefonunu kullandı. Bu veriler, doktorun gereksiz teşhisleri ortadan kaldırmasına yardımcı oldu ve uygun tıbbi tedaviyi hızlı bir şekilde bulmak için doktorla işbirliği yaparak bir hayat kurtardı.
Tıbbi veriler, doktorlar tarafından bilgisayarlara girilen tıbbi dergiler ve tıbbi kayıtlardan çok daha fazlasıdır.Vücudumuz her zaman muazzam miktarlarda potansiyel tıbbi veri üretir. Ancak şu anda, verilerin çoğu, her gün kaç adım yürüdüğümüz, bugün nabzımızın ne olduğu, cilt sıcaklığının yüksek veya düşük olup olmadığı, bugün ne yiyoruz vb. Gibi "kayıp" bir durum verilerindedir. Yalnızca yerel olarak ve tek başına birkaç cihazda ve uygulamada saklanırlar.
Yapay zeka tıbbi bakımı için verilerin önemi apaçık ortadadır. İster ilaç geliştirmeye ister teşhis ve tedaviye uygulansın, önemli beklentiler vardır, ancak AI tarafından küçük bir numune setinde yapılan teşhis veya varsayım sürdürülemez bir model olarak kabul edilir, çünkü kapsam biraz genişlediğinde hastalık değişecektir. , Bir yeri değiştirin, sonuç sapma görünebilir, doğru oran düşer.
Genel olarak, AI tıbbi bakımının gelişimi şimdiye kadar büyük ilerleme kaydetmiştir. Pek çok AI medikal ürünü henüz inmemiş olsa da, hastaların "tıp tanrısı" değildir. Bir göz atalım.
[Titanium Media'nın yazarı: Wen / Ke Ming, Intelligent Relativity (WeChat id: aixdlun): Yapay zekanın derinliklerine inin, tuzlu ve ışığı yargılayın, siyah beyazı anlatın ve derinliği anlatın. Temel odak alanları: AI + Medikal, Robotik, Akıllı Sürüş, AI + Donanım, Nesnelerin İnterneti, AI + Finans, AI + Güvenlik, AR / VR, Geliştiriciler ve bunların arkasındaki çipler, algoritmalar, insan-bilgisayar etkileşimi vb.]
Daha heyecan verici içerik için Titanium Media WeChat ID'yi (ID: taimeiti) takip edin veya Titanium Media Uygulamasını indirin
