Mô hình AI mới có thể dự đoán phản ứng của con người với các hợp chất thuốc và biến đổi y học

Mô hình AI này hợp lý, mạnh mẽ và hiệu quả hơn.
Mô hình AI mới có thể dự đoán phản ứng của con người với các hợp chất thuốc và biến đổi y học
Khái niệm điều chỉnh thuốc. Nguồn: luckystep / iStock

Mô hình AI mới của Đại học Thành phố New York có thể dự đoán chính xác phản ứng của con người đối với các hợp chất ma túy mới. Hơn nữa, nó ít tốn kém hơn và nhanh hơn.

Được xuất bản trên tạp chí Nature Mature Intelligence vào ngày 17 tháng 10, kỹ thuật này có thể tăng tốc đáng kể việc phát triển thuốc và thuốc chính xác. Theo nghiên cứu, mô hình CODE-AE mới có thể sàng lọc các phân tử thuốc hoàn toàn mới và dự báo hiệu quả của chúng ở người một cách đáng tin cậy. Trong các thử nghiệm, nó cũng có thể tìm ra các loại thuốc điều chỉnh có hiệu quả hơn cho hơn 9.000 bệnh nhân.

Để tìm các liệu pháp an toàn và hiệu quả cũng như chọn một loại thuốc hiện có cho một bệnh nhân cụ thể, dự đoán chính xác và đáng tin cậy về phản ứng cụ thể của bệnh nhân đối với một phân tử hóa học mới là điều cần thiết.

Tuy nhiên, việc thử nghiệm trực tiếp hiệu quả ban đầu của một loại thuốc trên người là một việc làm trái đạo đức và không thể thực hiện được. Để đánh giá hiệu quả điều trị của một phân tử dược lý, các mô hình tế bào hoặc mô của cơ thể người thường được sử dụng thay thế.

Thật không may, hiệu quả điều trị và độc tính trên bệnh nhân thực tế thường không phù hợp với tác động dược lý trong một mô hình bệnh. Khoảng cách kiến ​​thức này chủ yếu gây ra giá cao và tỷ lệ năng suất khám phá thuốc thấp.

Lei Xie, giáo sư Khoa học Máy tính, Sinh học và Hóa sinh tại Trung tâm sau đại học CUNY và Cao đẳng Hunter, đồng thời là tác giả chính của bài báo cho biết: “Mô hình học máy mới của chúng tôi có thể giải quyết thách thức chuyển dịch từ mô hình bệnh tật sang con người. CODE-AE sử dụng thiết kế lấy cảm hứng từ sinh học và tận dụng một số tiến bộ gần đây trong học máy. Ví dụ, một trong những thành phần của nó sử dụng các kỹ thuật tương tự trong tạo hình ảnh Deepfake”.

Một giải pháp mới
Cách tiếp cận mới có thể đưa ra giải pháp cho vấn đề không có đủ dữ liệu bệnh nhân để đào tạo một mô hình học máy rộng rãi. “Mặc dù nhiều phương pháp đã được phát triển sử dụng dòng tế bào để dự đoán các phản ứng lâm sàng, nhưng hiệu suất của chúng không đáng tin cậy do dữ liệu không thống nhất và khác biệt”, Tiến sĩ Trung tâm sau đại học CUNY cho biết.

“CODE-AE có thể trích xuất các tín hiệu sinh học nội tại bị che khuất bởi các yếu tố gây nhiễu, đồng thời giảm nhẹ vấn đề sai lệch dữ liệu một cách hiệu quả”. Khi dự đoán phản ứng của thuốc dành riêng cho từng bệnh nhân từ tổng hợp dòng tế bào, CODE-AE vượt trội hơn rất nhiều so với các phương pháp tiếp cận hiện đại về độ chính xác và mạnh mẽ.

Các kế hoạch trong tương lai
Được sự hỗ trợ của Viện Khoa học Y khoa Quốc gia và Viện Quốc gia về Lão hóa, nhiệm vụ tiếp theo của nhóm nghiên cứu là thiết lập một phương pháp CODE-AE để dự báo chính xác tác động của nồng độ và chuyển hóa của một loại thuốc mới trong cơ thể người. Các nhà nghiên cứu cũng chỉ ra rằng mô hình AI có thể được sửa đổi để dự đoán chính xác các tác dụng phụ của thuốc ở người.

Hữu Phước
Theo Interesting engineering
CÙNG CHUYÊN MỤC
ĐỌC THÊM