V temnej noci, ďaleko od mestského svetla, sa hviezdy Mliečnej dráhy javia ako nevyčísliteľné. Avšak voľným okom nie je z akéhokoľvek hľadiska vidieť viac ako 4500 hviezd. V našej galaxii je ich 100 - 400 miliárd, vo vesmíre je ešte viac galaxií. Ukazuje sa, že na nočnej oblohe nie je veľa hviezd. Aj toto číslo však pred nami otvára hlboký pohľad … na drogy a drogy. Faktom je, že počet možných organických zlúčenín s liečivými vlastnosťami presahuje počet hviezd vo vesmíre o viac ako 30 rádov. A chemické konfigurácie, ktoré vedci vytvárajú z existujúcich liekov, sú podobné hviezdam, ktoré by sme mohli vidieť v noci v centre mesta.
Nájdenie všetkých možných liekov je pre človeka obrovskou úlohou, rovnako ako štúdium celého fyzického priestoru, a aj keby sme to dokázali, väčšina z toho, čo sa objavilo, by nezodpovedala našim cieľom. Myšlienka, že zázračné lieky by sa mohli skrývať v hojnosti, je však príliš lákavá ignorovať.
Preto by sme mali používať umelú inteligenciu, ktorá môže tvrdšie pracovať a urýchliť objavovanie. Tak hovorí Alex Zhavoronkov, ktorý minulý týždeň hovoril v Exponenciálnej medicíne v San Diegu. Táto aplikácia by mohla byť najväčšia pre AI v medicíne.
Psy, diagnostika a lieky
Zhavoronkov - generálny riaditeľ Insilico Medicine a Nadácia pre výskum biogerontologie CSO. Insilico je jedným z mnohých začínajúcich výrobcov AI, ktoré môžu urýchliť objavovanie nových liekov a liekov.
Zhavoronkov povedal, že v posledných rokoch slávna technika strojového učenia - hlboké vzdelávanie - pokročila na niekoľkých frontoch. Najdôležitejšie sú algoritmy, ktoré sa dokážu naučiť hrať videohry - napríklad AlphaGo Zero alebo pokerový hráč Carnegie Mellon. Rozpoznávanie vzorov je to, čo výrazne podporilo hlboké učenie, keď algoritmy strojového učenia konečne začali rozlišovať mačky od psov a robili to rýchlo a presne.
V medicíne môžu algoritmy hĺbkového vzdelávania vyškolené v databázach lekárskych snímok odhaliť život ohrozujúce choroby s rovnakou alebo väčšou presnosťou ako ľudskí odborníci. Existujú dokonca špekulácie, že ak sa im naučíme dôverovať, mohla by byť pri diagnostikovaní choroby neoceniteľná. A ako uviedol Žavoronkov, pribúdajú ďalšie aplikácie a výsledky sa budú len rozširovať.
Propagačné video:
"Tesla už zoberie autá na ulicu," hovorí Zhavoronkov. „Trojročná a štvorročná technológia už prepravuje cestujúcich z bodu A do bodu B rýchlosťou 200 kilometrov za hodinu; jedna chyba a ste mŕtvi. Ľudia však dôverujú svojmu životu tejto technológii. ““
„Prečo to isté neurobiť vo farmaceutických výrobkoch?“
Pokúste sa zlyhať, znova a znova
Vo farmaceutickom výskume AI nebude musieť riadiť auto. Stane sa asistentom, ktorý v spojení s chemikom alebo dvoma chemikáliami môže urýchliť objavovanie liekov vyhľadávaním viacerých možností pri hľadaní lepších kandidátov.
Zhavoronkov povedal, že priestor na optimalizáciu a zvyšovanie účinnosti je obrovský.
Hľadanie liekov je starostlivý a nákladný krok. Chemici prechádzajú desiatkami tisíc možných zlúčenín a hľadajú tie najsľubnejšie. Z nich len málo z nich chodí na ďalšie štúdium a ešte menej sa bude testovať na ľuďoch, z ktorých sa spravidla omrvinky schvália na ďalšie použitie.
Celý tento proces môže trvať mnoho rokov a stáť stovky miliónov dolárov.
Toto je veľký problém s údajmi a hlboké vzdelávanie vyniká pri veľkých údajoch. Prvé aplikácie ukázali, že systémy AI založené na hlbokom učení boli schopné nájsť jemné vzory v obrovských vzorkách údajov. Hoci výrobcovia liekov už používajú softvér na preosievanie zlúčenín, takýto softvér si vyžaduje jasné pravidlá, ktoré napísali chemici. Výhody AI v tejto veci sú jej schopnosť učiť sa a zlepšovať sa sama osebe.
"Existujú dve stratégie pre inováciu AI vo farmaceutických výrobkoch, ktoré vám poskytnú lepšie molekuly a rýchlejšie schválenie," hovorí Zhavoronkov. „Jeden hľadá ihlu v kupce sena a druhý vytvorí novú ihlu.“
Na nájdenie ihly v kupce sena sú algoritmy trénované na veľkej databáze molekúl. Potom hľadajú molekuly s vhodnými vlastnosťami. Ale vytvoriť novú ihlu? Túto príležitosť poskytujú generatívne sporné siete, na ktoré sa spoločnosť Žavoronkov špecializuje.
Takéto algoritmy vytvárajú proti sebe dve neurónové siete. Jeden generuje zmysluplný výsledok a druhý rozhodne, či je tento výsledok pravdivý alebo nepravdivý, hovorí Žavoronkov. Tieto siete spoločne vytvárajú nové objekty, ako napríklad text, obrázky alebo v tomto prípade molekulárne štruktúry.
„Túto konkrétnu technológiu sme začali používať na to, aby si hlboké neurónové siete predstavovali nové molekuly, vďaka ktorým je od začiatku dokonalá. Potrebujeme dokonalé ihly, “hovorí Zhavoronkov. „Môžete sa obrátiť na túto generatívnu protivníkovú sieť a požiadať ju o vytvorenie molekúl, ktoré inhibujú proteín X v koncentrácii Y, s najvyššou životaschopnosťou, požadovanými charakteristikami a minimálnymi vedľajšími účinkami.“
Zhavoronkov verí, že AI dokáže nájsť alebo vyrobiť viac ihiel z množstva molekulárnych možností, čo ľudským chemikom umožňuje uvoľniť sa na syntézu iba tých najsľubnejších. Ak to bude fungovať, dúfa, že môžeme zvýšiť počet zásahov, minimalizovať počet zásahov a celkovo proces urýchliť.
V taške
Insilico nie je sám pri skúmaní nových ciest na objavovanie drog a toto nie je nová oblasť záujmu. Minulý rok skupina Harvard uverejnila dokument o AI, ktorý podobne vyberá kandidátov z drog. Tento softvér vyškolil na 250 000 molekulách liečiv a využil svoje odborné znalosti na vytvorenie nových molekúl, ktoré zmiešali existujúce lieky a navrhli návrhy na základe požadovaných vlastností. Ako sa však uvádza v technologickom prehľade MIT, získané výsledky nie sú vždy zmysluplné alebo ľahko syntetizovateľné v laboratóriu a kvalita týchto výsledkov, ako vždy, je taká vysoká ako kvalita údajov poskytnutých pôvodne.
Profesor Stanford Chemistry Vijay Pande hovorí, že obrázky, reč a text - ktoré sú predmetom hlbokého záujmu o štúdium - majú dobré a čisté údaje. Na druhej strane údaje o chémii sú však stále optimalizované pre hlboké vzdelávanie. Okrem toho, zatiaľ čo existujú verejné databázy, väčšina údajov stále zostáva za zatvorenými dverami súkromných spoločností.
Na prekonanie všetkých prekážok sa spoločnosť Žavoronkov zameriava na validáciu technológie. Tento rok sa však zdá, že skepticizmus vo farmaceutickom priemysle ustupuje záujmu a investíciám. Dokonca aj Google sa môže dostať do závodu.
Pri postupe AI a hardvéru je stále potrebné uvoľniť najväčší potenciál. Možno jedného dňa bude k dispozícii všetkých 1060 molekúl v doméne liekov.
Ilja Khel