Компания пригласила ученых и исследователей со всей страны, чтобы те рассказали и зафиксировали, от каких болезней те в данный момент ищут лекарство. Болезни были тщательно описаны. Теперь Atomwise обещает, что лаборатории получат 72 самых подходящих, по мнению нейронной сети, лекарства, формулы которых были выведены на основе молекулярных данных.
Стартап предупреждает, что искусственный интеллект генерирует формулы теоретически эффективных лекарства. Да, они должны справиться с болезнью, но не известно безопасны ли они для человека. Препараты, разработанные ИИ, должны так же, как и традиционные лекарства, проходить все необходимые лабораторные и клинические испытания. Только после того, как будет доказана их эффективность и безопасность, возможно применение инновационных препаратов.
ИИ от Baidu нашел пропавшего ребенка спустя 27 лет
Кейсы
Atomwise заявляет, что нейросеть смогла разработать формулу лекарств от лихорадки Эбола и рассеянного склероза. Сооснователь стартапа Александр Леви рассказывает, что система учится распознавать взаимодействия между молекулами по тому же принципу, что другие нейросети учатся различать изображения. Для того, чтобы понять, что на большой картинке, ИИ учат разбираться в более мелких ее частях. Так же и с AtomNet. Любой лекарственный препарат — это сложная химическая структура, но она состоит из более мелких составляющих. В их взаимодействии и разбирается система.
Для обучения AtomNet создатели вложили в ИИ информацию о результатах миллионов уже известных взаимодействий молекул. Теперь на основе этих знаний нейросеть может предсказывать с большой точностью взаимодействия, которые еще не происходили. При этом процесс разработки нового лекарства не занимает много времени.
Физики создали вещество с отрицательной массой
Идеи
Это не единственный стартап, который использует ИИ для производства лекарств. Мы писали про компанию twoXAR. Она также использует ИИ для выявления самых перспективных лекарств. Ранее российские исследователи из МФТИ придумали новый метод расчета белкового взаимодействия, благодаря которому компьютер может в 10 раз быстрее предсказывать строение «сцеплений» белков в клетке. Система ускоряющая разработку лекарств была также разработана в Иннополисе — профессор Ярослав Холодов создал альтернативный метод моделирования, который в 10-100 раз ускоряет изучение взаимодействия белков.