Der CEO von DPilmive geht davon aus, dass orale Tabletten bis 2025 verfügbar sein werden
Klinische Studien der ersten Medikamente, die mithilfe der depressiven Intelligenz von Google entwickelt wurden, könnten noch in diesem Jahr beginnen.
Das sagte er bei einer Podiumsdiskussion beim Weltwirtschaftsforum in Davos, Hasabis, das auch das Spin-off Isomorphic Labs zur Arzneimittelentwicklung betreibt. Es gibt Hoffnung Bis Ende des Jahres befinden sich einige KI-generierte Medikamente in klinischen Studien … das ist der Plan. „
Isomorphic Labs will ab 2021 die Arzneimittelentwicklung durch maschinelles Lernen beschleunigen. „Endlich können Sie sich eine personalisierte Medizin vorstellen, bei der ein KI-System für Ihre persönlichen Enzyme eingesetzt wird.“
Der KI-Hype ist derzeit allgegenwärtig, obwohl Hassabis und sein Kollege John Jumper einen verdient haben Nobelpreis Albifold, ein Deep-Learning-System, das Proteinstrukturen vorhersagen kann.
Pharmaunternehmen sind an KI interessiert, weil sie das Potenzial hat, viel Zeit und Geld zu sparen. Laut einem aktuellen Artikel veröffentlicht In der Zeitschrift Nature Medicine kann die erfolgreiche Entwicklung und Zulassung eines neuen Arzneimittels 12 bis 15 Jahre dauern und etwa 2,6 Milliarden US-Dollar kosten.
Viele Medikamente werden nie für den Einsatz zugelassen, d. h. für klinische Studien, in denen Menschen die Medikamente konsumieren. Alles, was die Kosten erhöhen, die Entwicklung beschleunigen oder die Erfolgsquoten steigern kann, wird einen wesentlichen Einfluss auf die Gewinne von Pharmaunternehmen haben.
Die Forscher glauben, dass es viele Möglichkeiten gibt, wie Modelle des maschinellen Lernens Teile des Arzneimittelentwicklungsprozesses verbessern und die Geschwindigkeit erhöhen können. Hassadi geht davon aus, dass große Zeit- und Kosteneinsparungen möglich sind.
Dieser Optimismus muss gedämpft werden, da es aufgrund von Datenschutzbestimmungen und Akquisitionen schwierig ist, an hochrangige Trainingsdaten zu kommen.
Hassabis glaubt, dass er kein Opfer von Herausforderungen sein kann. „Man kann einige Schlüsseldaten generieren, um die Lücken zu schließen, über die die öffentlichen Daten nicht verfügen“, sagte er.
Dies kann in Zusammenarbeit mit klinischen Forschungsorganisationen oder durch die Verwendung synthetischer Daten erfolgen, was Alphafold 2 seiner Aussage nach in großem Umfang nutzte. Allerdings wie wir zuvor DiskussionSynthetische Daten können schwierig sein.
„Wenn Sie synthetische Daten verwenden, müssen Sie sehr vorsichtig sein, dass sie die Verteilung tatsächlich korrekt darstellen und dass Sie nicht auf Ihren eigenen Fehlern trainieren“, sagte Hassabis.
Laughter glaubt nicht, dass KI die Wissenschaftler in absehbarer Zeit ersetzen wird.
„Echte Erfindungen sind mit KI immer noch nicht möglich. Sie kann keine neue Hypothese oder keine neuen Hypothesen aufstellen. Vielleicht eine komplexe Hypothese darüber lösen. Vorweg. Ich denke, wir werden dieses Jahr tatsächlich „Die besten menschlichen Wissenschaftler“ sehen tun“, sagte er.
Nicht allein bei der Erforschung des Einsatzes von Schulungsplänen für die Arzneimittelentwicklung. Nvidia zeigte sich ebenfalls begeistert von der Entdeckung von Arzneimitteln mit A-Eigenschaft, da dadurch mehr Gründe für den Kauf seiner Hardware geschaffen werden.
Letzter Nordherbst, Nvidia offene Fehlfunktion Eine optimale Familie GPU-beschleunigter Frameworks für maschinelles Lernen für die Arzneimittelentwicklung und das molekulare Design. Das Unternehmen hat auch Schritte unternommen, um bestehende Modelle wie Deepaks Alpi AlphaFolk 2.0 zurückzusetzen.
Es gibt auch NVIDIA Partner Um neue Forschungssysteme online zu bringen, darunter das dänische Pharmaunternehmen Idic Nordisk. Ein Beispiel für solche Bemühungen ist der dänische Gfion-Supercomputer, der Schulungen auf biologische Wissenschaften und die Entwicklung neuer Behandlungsmethoden anwendet. ®
