Мансууруулах бодист тэсвэртэй нянтай тэмцдэг эм боловсруулахад хиймэл оюун ухааны алгоритмыг ашигласан.

Эмнэлгийн салбарт тулгардаг хамгийн том сорилт бол эмэнд тэсвэртэй бактери юм. Одоогийн байдлаар эмэнд дасалтай нянгийн улмаас 700,000 орчим хүн нас барж, эмэнд тэсвэртэй нянгийн илүү олон омог бий болж байна. Эрдэмтэд, инженерүүд эмэнд тэсвэртэй нянтай тэмцэх шинэ аргыг боловсруулахаар оролдож байна. Шинэ антибиотикийг бий болгох нэг арга бол супер бактерийн шинэ омогтой тэмцэж чадах шинэ нэгдлүүдийг тусгаарлахын тулд хиймэл оюун ухаан, машин сургалтыг ашиглах явдал юм.

SingularityHub-ын мэдээлснээрШинэ антибиотик боловсруулсан AI-ийн тусламжтайгаар. Антибиотикийг 2001 онд AI HAL: A Space Odyssey-ийн нэрээр галицин гэж нэрлэсэн. Шинээр боловсруулсан антибиотик нь эр бэлгийн эсийн супер бактерийн зарим омгийг устгаж чадсан нь батлагдсан. Шинэ антибиотикийг машин сургалтын алгоритмын тусламжтайгаар нээсэн. Тодруулбал, машин сургалтын загварыг ойролцоогоор 2,500 нэгдлээс бүрдсэн том мэдээллийн багц ашиглан сургасан. Загварыг сургахад ашигласан эмийн бараг тал хувь нь FDA-аас аль хэдийн батлагдсан эм байсан бол нөгөө тал нь байгалийн гаралтай нэгдлүүдээс бүрдсэн байв. Судлаачдын баг нэгэн зэрэг антибиотик шинж чанартай боловч одоо байгаа антибиотикийн бүтцээс ялгаатай молекулуудыг эрэмбэлэхийн тулд алгоритмуудыг өөрчилсөн. Дараа нь тэд ямар нэгдэл нь хүний ​​хэрэглээнд аюулгүй болохыг тогтоохын тулд үр дүнг судалжээ.

The Guardian сонинд бичсэнээрЭнэ эм нь эмэнд тэсвэртэй бактерийн эсрэг тэмцэхэд маш үр дүнтэй болохыг саяхан хийсэн судалгаагаар нотолсон. Энэ нь нянгийн мембраныг доройтуулж, нянгийн эрчим хүч үйлдвэрлэх чадварыг хаадаг тул маш үр дүнтэй байдаг. Бактерийг галицины нөлөөнөөс хамгаалах хамгаалалтыг бий болгохын тулд хэд хэдэн генийн мутаци шаардлагатай бөгөөд энэ нь галициныг хадгалах хүчийг өгдөг. Судалгааны баг мөн энэ нэгдэл нь хулганад хэрхэн ажилладгийг туршсан бөгөөд энэ нь одоогийн бүх антибиотикт тэсвэртэй бактерийн омгийн халдвар авсан хулганыг амжилттай устгаж чадсан юм. Судалгааны үр дүн маш их найдвар төрүүлж байгаа тул судалгааны баг эмийн үйлдвэртэй хамтран ажиллаж, эмийг хүмүүст хэрэглэхэд аюулгүй болохыг нотлохоор найдаж байна.

MIT-ийн биоинженерийн профессор, ахлах зохиолч Жеймс Коллинз, MIT-ийн компьютерийн шинжлэх ухааны профессор Регина Барзилай нар хоёулаа нийтлэлийн ахлах зохиолчид байв. Коллинз, Барзилай болон бусад судлаачид галициныг зохион бүтээхэд ашигладаг алгоритмууд нь өвчний эмэнд тэсвэртэй омгийн тархалтыг шийдвэрлэх шинэ антибиотикийг илрүүлэхэд тусална гэж найдаж байна.

Халицин нь хиймэл оюун ухааныг ашиглан илрүүлсэн цорын ганц эмийн нэгдлээс хол байна. Коллин, Барзилай нараар ахлуулсан судалгааны баг 100 тэрбум гаруй эмийн нэгдлүүдийн онлайн номын сан болох ZINC 15 мэдээллийн сангаас гаргаж авсан 1.5 сая орчим молекулыг ашиглан илүү олон загварт сургах шинэ нэгдлүүдийг бий болгохыг хүсч байна. Тус баг аль хэдийн хүний ​​хэрэглэхэд аюулгүй байх шалгуурыг хангасан, одоогийн антибиотикуудаас бүтцийн хувьд ялгаатай дор хаяж 23 өөр нэр дэвшигчийг олж чадсан гэж мэдээлж байна.

Антибиотикийн нэг таагүй үр дагавар нь хортой нянг устгахын зэрэгцээ хүний ​​биед хэрэгтэй гэдэсний шаардлагатай бактерийг устгадаг. Судалгаагаар тэд галициныг бий болгоход ашигладагтай ижил төстэй аргуудыг ашиглан хүний ​​гэдэсний бичил биетэнд хор хөнөөл учруулахгүй, гаж нөлөө багатай антибиотик бүтээнэ гэж найдаж байна.

Бусад олон компаниуд нарийн төвөгтэй, урт, ихэвчлэн үнэтэй эм үйлдвэрлэх үйл явцыг хялбарчлахын тулд машин сургалтыг ашиглахыг оролдож байна. Бусад компаниуд мөн шинэ эмийн нэгдлүүдийг нэгтгэх хиймэл оюун ухааны алгоритмуудыг сургаж байна. Саяхан нэг компани концепцын баталгаатай эм боловсруулж чадсан ердөө нэг сар хагас, уламжлалт аргаар эмийг бий болгоход хэдэн сар, бүр хэдэн жил шаардагдахаас хамаагүй богино хугацаа шаардагдана.

Барзилай хиймэл оюун ухаанд суурилсан эм илрүүлэх аргууд нь эмийн нээлтийн орчныг утга учиртай байдлаар өөрчилж чадна гэж өөдрөгөөр харж байна. Барзилай галицин дээр хийсэн ажил нь машин сурах арга нь хэр үр дүнтэй болохыг харуулсан бодит жишээ гэж тайлбарлав.

"Машин сургалтын хэрэгслүүд эрүүл мэндийн салбарт үнэхээр ухаалаг зүйл хийж байна уу, мөн бид тэдгээрийг эмийн үйлдвэрлэлийн салбарт ажиллах хүч болгон хэрхэн хөгжүүлэх вэ гэсэн асуулт байсаар байна. Энэ нь та энэ хэрэгслийг хэр зэрэг тохируулж болохыг харуулж байна."