Практикум 9 использование искусственного интеллекта при моделировании фармацевтических производств
Препятствия внедрения искусственного интеллекта
жүктеу/скачать 217.03 Kb.
|
- Бұл бет үшін навигация:
- Успешное применение нейросети в фармацевтике
- Задачи ИИ в фармакологии
| Препятствия внедрения искусственного интеллекта
К работе нейросетей недоверчиво относится не только фармацевтика, но и большинство представителей медицинской сферы. Врачи, взаимодействуя с ИИ, не понимают, почему алгоритм предлагает им те или иные решения. C их точки зрения, нейросеть – это «черный ящик», чью логику невозможно понять и объяснить. В дополнение к этому, медицинские работники сомневаются в совершенстве искусственного интеллекта. Когда речь идет о здоровье и жизни пациента, ошибок быть не должно, а современные технологии пока не могут этого гарантировать со 100% точностью. Второй причиной, затрудняющей внедрении ИИ, являются длительные сроки его разработки. Точность и эффективность – качества, которые должны обязательно присутствовать у нейросети. Для того чтобы алгоритм действительно мог помогать в создании лекарств и анализе данных, к его разработке привлекаются медицинские эксперты. Это увеличивает не только надежность искусственного интеллекта, но и период, необходимый для его выпуска. В качестве третьей причины выступает высокая стоимость разработки ИИ. На данный момент число рабочих кадров, обладающих опытом и знаниями, для работы с нейронными сетями, не так велико. В результате стоимость таких исследований остается высокой. Успешное применение нейросети в фармацевтике Примеров удачного использования искусственного интеллекта на фармацевтическом рынке немного, но их количество постепенно растет. Так, компания Bayer акцентирует свое внимание на стартапах в области цифровой медицины. Фармацевтический гигант ежегодно отбирает перспективные российские ИТ-компании и помогает им воплощать свои решения на актуальных для фармацевтики задачах. Задачи ИИ в фармакологии Помощь в разработке новых лекарств: обнаружение новых соединений, прогнозирование эффективности лекарства Искусственный интеллект позволяет оптимизировать процесс по обнаружению новых соединений: технология использует анализ больших объёмов химических данных и предсказания потенциально активных соединений, которые могут стать основой для новых лекарств. ИИ позволяет вместо проведения ресурсоёмких опытов по взаимодействию молекул для получения необходимых свойств соединения использовать генеративные и рекомендательные модели. За счёт этого сокращается время и затраты на подбор идеальной рецептуры лекарства. Например, компании применяют технологии ИИ на стадии поиска и разработки ключевой молекулы (drug discovery). С помощью собственной ИИ-платформы фармпроизводитель определил два препарата для лечения фиброза. Один из них уже находится на первой стадии клинических исследований. В целом, по данным Альянса в сфере ИИ, время от обнаружения лекарства до проведения испытаний сокращается с 6 лет до 1 года. Искусственный интеллект может анализировать и предсказывать, как потенциальные лекарственные соединения будут взаимодействовать с белками, рецепторами и другими биологическими мишенями. Это позволяет исследователям фокусироваться на наиболее перспективных стратегиях для дальнейшего изучения, а также снизить риски во время испытаний препаратов. В 6 раз уменьшается время от обнаружения лекарства до проведения испытаний. Задачи фармакологии считаются одной из классических областей применения искусственного интеллекта. В мире существует много примеров успешной коллаборации «большой фармы» и ИТ-разработчиков систем с применением ИИ. Появилась даже бизнес-модель совместного лицензирования молекул, разработанных с помощью ИИ. Интерес со стороны российской фарминдустрии к такого рода разработкам оставался сдержанным, поскольку рынок разработки фармпрепаратов был невелик. Сейчас мы видим позитивные сдвиги в этой области под влиянием внешних обстоятельств. Среди резидентов фонда есть несколько компаний, профессионально занимающихся фарммоделированием. Среди них я бы отметила «Фармпредикт» и «Синтелли», они показывают хорошую динамику развития. Сейчас пока рано говорить о российских «единорогах» в этой области, но мы как фонд активно поддерживаем это направление и ожидаем развития этого тренда на горизонте 3—5 лет. Повышение точности контроля качества производства препаратов Автоматизация визуального контроля. ИИ-алгоритмы, основанные на компьютерном зрении, могут автоматически обнаруживать дефекты или несоответствия в лекарственных препаратах, такие как неправильная форма таблеток, неравномерное покрытие или неправильная маркировка. Это позволяет снизить вероятность ошибок, связанных с человеческим фактором, и улучшить общую точность контроля качества. Искусственный интеллект может анализировать данные с различных датчиков и систем на производственной линии, чтобы выявлять аномалии и определять возможные проблемы прямо в процессе производства. Это позволяет оперативно корректировать параметры процесса и предотвращать выпуск некачественной продукции. ИИ может анализировать результаты испытаний на стабильность, проводимых для определения сроков годности лекарств, и предсказывать возможные изменения в качестве препаратов во время хранения. Это помогает разработать оптимальные условия хранения и упаковки для каждого продукта.методов глубокого обучения позволяет ИИ улучшать свою точность с течением времени. На 15% можно сократить расходы на хранение лекарств благодаря ИИ-системам. Снижение издержек на хранение за счёт прогнозирования спроса на продукцию Современные рекомендательные системы способны в динамическом режиме управлять множеством параметров — от колебаний спроса до затрат на хранение — и формировать оптимальный план логистики и хранения. По данным альянса, до 15% снижаются таким образом издержки на хранение и до 20% — задействованные складские площади. Начиная от процесса разработки лекарственных препаратов и до их покупки пациентом в аптеке, фармацевтике приходится работать с огромными объемами данных. Информация о лабораторной диагностике, мониторинг состояния пациентов, посты на форумах и в социальных сетях об эффективности препарата – все это полезные сведения для фармацевтической компании. Однако в виду их количества и разрозненности, фирма-производитель не успевает обработать и усвоить эти знания, а тем более применить. В решении этой и других задач может помочь искусственный интеллект, - созданная учеными нейросеть без труда справится со сбором необходимой информации как во время создания препарата, так и в получении обратной связи от пациентов. Другой задачей, где бы пригодился искусственный интеллект, является сокращение сроков разработки лекарственных средств. Сегодня для того чтобы представить на рынке один новый медикамент, требуется минимум 10 лет и несколько миллиардов долларов. При этом вероятность, что этот препарат будет продаваться, составляет примерно 10%. Кроме того, создание нового лекарства может быть прервано на первых стадиях из-за небезопасности или неэффективности. В результате деньги будут потрачены впустую. Сократить риск при принятии решений о разработке новых лекарственных препаратов и избежать неудач на поздних стадиях создания помогают аналитика и компьютерное моделирование. Так, в Институте системной биологии в США создают модели виртуальных пациентов с определенными заболеваниями, на которых пытаются выявить эффективность лекарств. Еще одна задача, в которой бы пригодилась помощь искусственного интеллекта, - рост устойчивости возбудителей инфекционных заболеваний к воздействию антибактериальных препаратов. Эту проблему невозможно решить без анализа большого объема данных. Смоленские ученые уже предприняли попытку создать базу данных результатов лабораторных исследований, позволяющую анализировать изменения стойкости возбудителей заболеваний. Однако этого пока недостаточно. Чем вызвано недоверие к ИИ? Первое. Врачи, взаимодействуя с ИИ, не понимают, почему алгоритм предлагает им те или иные решения. C их точки зрения, нейросеть – это «черный ящик», чью логику невозможно понять и объяснить. В дополнение к этому, медицинские работники сомневаются в совершенстве искусственного интеллекта. Когда речь идет о здоровье и жизни пациента, ошибок быть не должно, а современные технологии пока не могут этого гарантировать со 100% точностью. Второй причиной, затрудняющей внедрении ИИ, являются длительные сроки его разработки. Точность и эффективность – качества, которые должны обязательно присутствовать у нейросети. Для того чтобы алгоритм действительно мог помогать в создании лекарств и анализе данных, к его разработке привлекаются медицинские эксперты. Это увеличивает не только надежность искусственного интеллекта, но и период, необходимый для его выпуска. В качестве третьей причины выступает высокая стоимость разработки ИИ. На данный момент число рабочих кадров, обладающих опытом и знаниями, для работы с нейронными сетями, не так велико. В результате стоимость таких исследований остается высокой. жүктеу/скачать 217.03 Kb. Достарыңызбен бөлісу:
|