A CUNY Graduate Center kutatócsoportja egy olyan mesterséges intelligencia-modellt hozott létre, mely jelentősen javíthatja a gyógyszerfejlesztési folyamatok során elvégzett klinikai vizsgálatok pontosságát, ezzel együtt pedig rendkívül komoly mértékben csökkentheti az eljárás idejét és annak költségeit is.

A Nature Machine Intelligence című folyóiratban nemrég megjelent tanulmányban bemutatott új modell, a CODE-AE névre hallgató AI képes arra, hogy szűrje az új gyógyszervegyületeket, és pontosan képes megjósolni az emberi szervezetre gyakorolt hatásukat, illetve hatékonyságukat – számolt be a phys.org.

A CODE-AE-vel végzett tesztek során több mint 9000 beteget vizsgált meg a modell, és képes volt arra, hogy olyan személyre szabott gyógyszereket ajánljon nekik, melyekkel hatékonyabb módon kezelhetik betegségeiket: a kutatók eme tudományos áttörés nyomán arra számítanak, hogy e technológia jelentősen felgyorsítja majd a gyógyszerkutatás és a precíziós orvoslás folyamatát.

Több problémát is megoldhat a CODE-AE

Az új gyógyszerkészítményekre adott páciens-specifikus válaszok pontos és megbízható előrejelzése kruciális fontosságú a biztonságos és hatékony terápiás szerek felfedezéséhez, továbbá a már meglévő és használatban lévő gyógyszerek kiválasztásához is egy adott beteg számára.

Azt azonban fontos megjegyezni, hogy egyszerre etikátlan és kivitelezhetetlen egy gyógyszerkészítmény korai fázisú klinikai tesztelését embereken végezni, ezért egy új molekula terápiás hatásának megállapítására gyakorta használnak sejt- vagy szövetmodelleket az emberi szervezet helyettesítőjeként.

Noha ez a legetikusabb eljárás, sajnos a szövetmodellekben a gyógyszer hatása gyakran nem korrelál az emberi szervezetre gyakorolt hatásával és toxicitásával – e hiányosság pedig az egyik legfőbb tényezője a gyógyszerkutatások csillagászati költségeinek, valamint alacsony termelékenységi arányának.