क्या एआई दवा के विकास में क्रांति लाएगा? शोधकर्ता बताते हैं कि उनका उपयोग क्यों किया जाता है

रेंस डेमेन्डल और बेंजोंग राकसफकादी / एआई / मेडिसिन लाइसेंस प्राप्त (फ्लिपेड) / सीसी-ब्यू 4.0

डैक्सिन सन द्वारा, यूनिवर्सिटी ऑफ मिशिगन और क्रिश्चियन मैसेडोनिया, यूनिवर्सिटी ऑफ मिशिगन

दवा की खोज और विकास में कृत्रिम बुद्धिमत्ता का उपयोग करने की संभावना ने मनो, निवेशकों और आम जनता के बीच उत्तेजना और संदेह दोनों को तेज किया है।

कुछ कंपनियों और शोधकर्ताओं का दावा है कि “आर्टिफिशियल इंटेलिजेंस ड्रग डेवलपमेंट ले रहा है।” पिछले कुछ वर्षों में, एआई से पीटी दवा रचना और नैदानिक ​​परीक्षणों का उपयोग करने में रुचि ने एआई का उपयोग करने में अनुसंधान और निवेश में वृद्धि की है। Alchafold जैसे AI- संचालित प्लेटफ़ॉर्म, जिसने प्रोटीन के गठन की भविष्यवाणी करने और एक नया डिज़ाइन बनाने की क्षमता के लिए 2024 नोबेल पुरस्कार जीता, दवा के विकास में तेजी लाने के लिए AI की संभावना को दर्शाता है।

एआई एक दवा की तलाश में एक “बकवास” है, कुछ उद्योग दिग्गजों को चेतावनी देता है। वे अनुरोध करते हैं कि “एआई की दवा खोज में तेजी लाने की संभावना के लिए एक वास्तविकता जांच की आवश्यकता होती है, क्योंकि एआई-जनित दवाओं को अभी तक नैदानिक ​​परीक्षणों में 90% नई दवाओं पर विचार करने की क्षमता पर विचार नहीं किया गया है। छवि विश्लेषण में एआई की सफलता के विपरीत, दवा के विकास पर इसका प्रभाव स्पष्ट नहीं है।

हम अपने काम में दवा के विकास में एआई के उपयोग का अनुसरण कर रहे हैं, जो शिक्षाविदों और दवा उद्योग दोनों में एक दवा किस्म के रूप में है। हम तर्क देते हैं कि दवा विकास में एआई अभी तक एक स्पोर्ट-चेंजर नहीं है, या यह पूरी तरह से बकवास नहीं है। एआई एक ब्लैक बी बॉक्स क्यूएस नहीं है जो किसी भी विचार को सोने में बदल सकता है। .Lota, हम इसे एक उपकरण के रूप में चाहते हैं, जब बुद्धिमानी और विशेषज्ञ रूप से उपयोग किए जाते हैं, तो दवा की विफलता के मूल कारणों पर विचार करने और प्रक्रिया को सुव्यवस्थित करने में मदद कर सकते हैं।

ड्रग डेवलपमेंट में एआई का उपयोग करने वाले अधिकांश कार्य बाजार में एक दवा लाने के लिए समय और धन को कम करने का इरादा रखते हैं – वर्तमान में 10 से 15 साल और अमेरिकी डॉलर से $ 1 बिलियन से $ 2 बिलियन। लेकिन क्या एआई वास्तव में दवा के विकास में क्रांति ला सकता है और सफलता की दर में सुधार कर सकता है?

दवा विकास में ऐ

शोधकर्ताओं ने दवा विकास प्रक्रिया के हर चरण में एआई और मशीन लर्निंग को लागू किया है। इसमें शरीर के लक्ष्यों की पहचान करना, संभावित उम्मीदवारों की जांच करना, दवा के अणु बनाना, विषाक्तता की भविष्यवाणी करना और रोगियों को चुनना शामिल है, जो दूसरों में नैदानिक ​​परीक्षणों में दवाओं के लिए सबसे अच्छी प्रतिक्रिया दे सकता है।

2010 और 2022 के बीच, 20 एआई-केंद्रित स्टार्टअप्स ने 158 ड्रग उम्मीदवारों का आविष्कार किया, जिनमें से 15 नैदानिक ​​परीक्षणों में चले गए। इनमें से कुछ ड्रग उम्मीदवार लैब में पूर्ववर्ती परीक्षण को पूरा करने में सक्षम थे, और 3 से 6 साल की तुलना में केवल 30 महीनों में मानव परीक्षणों में प्रवेश करते थे। यह उपलब्धि दवा के विकास में तेजी लाने की एआई की संभावना को दर्शाती है।

दवा विकास एक लंबी और महंगी प्रक्रिया है।

दूसरी ओर, जब एआई प्लेटफ़ॉर्म जल्दी से पेट्री व्यंजनों में या पशु मॉडल में कोशिकाओं पर काम करने वाले यौगिकों की पहचान कर सकता है, तो नैदानिक ​​परीक्षणों में इन उम्मीदवारों की सफलता – जहां अधिकांश दवा विफलताएं होती हैं – बहुत अनिश्चित होती हैं।

छवि विश्लेषण और भाषा प्रसंस्करण जैसे एआई मॉडल को प्रशिक्षित करने के लिए उपलब्ध अन्य क्षेत्रों के विपरीत, एआई को उपलब्ध अन्य क्षेत्रों के विपरीत, दवा विकास में छोटे, कम गुणवत्ता वाले डेटासेट द्वारा अवरुद्ध किया जाता है। लाखों अरबों यौगिकों के लिए कोशिकाओं, जानवरों या पुरुषों पर नशीली दवाओं से संबंधित डेटासेट का उत्पादन करना मुश्किल है। जबकि अल्फाफोल्ड प्रोटीन संरचनाओं की भविष्यवाणी करने में प्रगति होती है, यह अनिश्चित है कि यह दवा डिजाइन के लिए कितना निश्चित हो सकता है। दवा की संरचना में छोटे परिवर्तन शरीर में इसकी गतिविधि को बहुत प्रभावित कर सकते हैं और इसलिए यह बीमारी के उपचार में कितना प्रभावी है।

उत्तरजीविता

एआई की तरह, ड्रग डेवलपमेंट जैसे कि कंप्यूटर-असिस्टेड ड्रग डिज़ाइन ने पिछले 40 वर्षों में प्रक्रिया के व्यक्तिगत चरणों में सुधार किया है, भले ही पिछले 40 वर्षों में पिछले 40 वर्षों में सुधार हुआ है।

जबकि उच्च गुणवत्ता वाले डेटा और विशेष प्रश्न उत्तर देने के लिए प्रदान किए जाते हैं, अधिकांश एआई शोधकर्ता दवा विकास प्रक्रिया में विशिष्ट कार्यों का सामना कर सकते हैं। लेकिन वे अक्सर दवा के विकास के पूर्ण दायरे से अनजान होते हैं, पैटर्न सत्यापन समस्याओं में चुनौतियों को कम करते हैं और प्रक्रिया के व्यक्तिगत चरणों में सुधार करते हैं। इस बीच, एआई और मशीन लर्निंग ट्रेनिंग में दवा विकास कौशल के साथ कई भिन्न होते हैं। ये संचार बाधाएं वैज्ञानिकों को वर्तमान विकास प्रक्रियाओं के यांत्रिकी से आगे बढ़ने और दवा की विफलता के मूल कारणों की पहचान करने में बाधा डाल सकती हैं।

दवा के विकास के लिए वर्तमान दृष्टिकोण, जिसमें एआई, बचे लोगों के जाल में गिर सकता है, प्रक्रिया के कम महत्वपूर्ण पहलुओं पर ध्यान केंद्रित करते हुए, प्रमुख समस्याओं को अनदेखा करते हुए जो विफलता में सबसे अधिक योगदान करते हैं। यह द्वितीय विश्व युद्ध में युद्ध के मैदानों से लौटने वाले हवाई जहाज के पंखों को नुकसान पहुंचाने के लिए समान है, जब यह इंजन या कॉकपिट में घातक कमजोरियों को अनदेखा करता है जो कभी नहीं लौटते हैं। शोधकर्ता अक्सर इस बात पर अधिक ध्यान केंद्रित करते हैं कि विफलता के मूल कारण के बजाय दवा के व्यक्तिगत गुणों को कैसे बेहतर बनाया जाए।

वर्तमान दवा विकास प्रक्रिया असेंबली लाइन की तरह काम करती है, जो कि प्रक्रिया के प्रत्येक चरण पर एक विस्तारित परीक्षण के साथ चेकबॉक्स दृष्टिकोण पर निर्भर करती है। जबकि एआई इस विधानसभा लाइन के प्रयोगशाला-आधारित प्रीक्लिनिकल चरणों के समय और लागत को कम करने में सक्षम हो सकता है, लोगों को परीक्षण से जुड़े अधिक महंगे नैदानिक ​​चरण में सफलता की दर में तेजी लाने की संभावना नहीं है। नैदानिक ​​परीक्षणों में दवाओं की निरंतर 90% विफलता दर, 40 साल की प्रक्रिया में सुधार के बावजूद, इस सीमा को दर्शाती है।

मूल कारणों को संबोधित करने के लिए

नैदानिक ​​परीक्षणों में दवा की विफलता केवल इस बात के कारण नहीं है कि इस अध्ययन को कैसे डिजाइन किया गया है; नैदानिक ​​परीक्षणों में परीक्षण के लिए झूठे ड्रग उम्मीदवारों की पसंद भी एक प्रमुख कारक है। नई एआई-वे रणनीतियाँ इन दोनों चुनौतियों को खत्म करने में मदद कर सकती हैं।

वर्तमान में, तीन पारस्परिक निर्भर कारक अधिकांश दवा विफलताओं को संचालित करते हैं: खुराक, सुरक्षा और प्रभावशीलता। कुछ दवाएं विफल हो जाती हैं क्योंकि वे बहुत विषाक्त हैं, या असुरक्षित हैं। अन्य दवाएं विफल हो जाती हैं क्योंकि उन्हें अप्रभावी माना जाता है, अक्सर क्योंकि खुराक को नुकसान पहुंचाने के बिना आगे बढ़ नहीं सकता है।

हम और हमारे सहकर्मी दवा के पांच अनदेखी सुविधाओं के आधार पर खुराक, सुरक्षा और प्रभावशीलता की भविष्यवाणी करके ड्रग उम्मीदवारों की मदद करने के लिए एक मशीन लर्निंग सिस्टम का प्रस्ताव करते हैं। विशेष रूप से, शोधकर्ता एआई मॉडल का उपयोग करते हैं कि कैसे और संभावित रूप से दवा ज्ञात और अज्ञात लक्ष्य है, शरीर में इन लक्ष्यों का स्तर, कैसे दवा स्वस्थ और रोगग्रस्त ऊतक पर ध्यान केंद्रित करती है, और दवा कैसे दवा के संरचनात्मक गुणों को जोड़ती है। AI मॉडल का उपयोग करें।

एआई-जनित दवाओं की इन विशेषताओं को गंभीर और हल्के रोगों के रोगियों में अल्ट्रा-लो खुराक का उपयोग करके परीक्षण किया जा सकता है, जिसे हम चरण 0+ परीक्षण कहते हैं। यह शोधकर्ताओं को नैदानिक ​​परीक्षणों के लिए वर्तमान “परीक्षण और देखें” दृष्टिकोण की लागत को कम करते समय सर्वोत्तम दवाओं की पहचान करने में मदद कर सकता है।

अकेले रहते हुए, एआई दवा के विकास में क्रांति नहीं कर सकता है, यह मूल कारणों पर विचार करने में मदद कर सकता है कि ड्रग्स विफल क्यों और अनुमोदन की लंबी प्रक्रिया को सुव्यवस्थित करते हैं।

डूसिन सन, एसोसिएट डीन फॉर रिसर्च, चार्ल्स वीजी ग्रैन जूनियर फार्मेसी और फार्मास्युटिकल साइंस के प्रोफेसर, यूनिवर्सिटी ऑफ मिशिगन और क्रिश्चियन मैसेडोनिया में एक एडजेंट प्रोफेसर, फार्मास्युटिकल साइंस, यूनिवर्सिटी ऑफ मिशिगन

इस लेख को क्रिएटिव सीएमएम मैन्स लाइसेंस के तहत एक बातचीत से फिर से प्रस्तुत किया गया है। मूल लेख पढ़ें।

टैग जीएस: अच्छे स्वास्थ्य पर ध्यान केंद्रित करें और अच्छी तरह से, संयुक्त राष्ट्र एसडीजी पर ध्यान केंद्रित करें