دخول Nvidia بقيمة 50 مليون دولار أمريكي ، لماذا تعود أدوية الذكاء الاصطناعي المثيرة للاشمئزاز إلى الظهور؟

المصدر الأصلي: الشبكة الشريانية

مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI‌

في 12 يوليو ، أعلنت Nvidia عن استثمار بقيمة 50 مليون دولار في Recursion لتسريع اختراق النماذج الأساسية في مجال اكتشاف عقاقير الذكاء الاصطناعي. أثارت هذه الخطوة قلقًا واسع النطاق في الصناعة ، وارتفع سعر سهم الأهداف ذات الصلة في السوق الثانوية بشكل كبير.

في الواقع ، إن Nvidia مترددة بعض الشيء في نشر أدوية الذكاء الاصطناعي. في وقت مبكر من عام 2018 ، أطلقت Nvidia منصة Clara خصيصًا للسيناريوهات الطبية. بعد ذلك ، وسعت كلارا حدودها تدريجياً من تصوير أدوات بحث الذكاء الاصطناعي وبدأت في الانخراط في علم الجينوم. سرعان ما أصبحت منصة Clara أداة فعالة في تطوير الأدوية الجديدة.يمكن استخدامها في تصميم الأدوية ، من خلال مختلف أنواع الذكاء الاصطناعي لتوليد الجزيئات ، لإكمال المهام مثل توليد البروتين ، والتوليد الجزيئي والالتحام ، وحتى التنبؤ بالأمور الثلاثة التفاعل البعدي بين البروتينات والجزيئات ، وذلك لتحسين كيفية عمل الدواء في الجسم.

بحلول مارس 2023 ، تعاونت NVIDIA مع أكثر من 100 شركة حول العالم ، بما في ذلك أبحاث وتطوير الأدوية الجديدة ، على نموذج كلارا. لكن الـ 50 مليون دولار المستثمرة في Recursion هي أول استثمار مباشر لشركة Nvidia في المستحضرات الصيدلانية العالمية للذكاء الاصطناعي. تأسست في عام 2013 ، هذه الشركة الدوائية القائمة على الذكاء الاصطناعي تستخدم بشكل أساسي ميزات الصورة الليفية للخلايا لفحص الأدوية ، والمنطق الأساسي مختلف تمامًا عن نظرائهم الآخرين.

ميزة Recurison هي أنه يمكن موازاة تجارب متعددة مع إنتاجية عالية من خلال التجارب الجافة والرطبة ذات الحلقة المغلقة. أولاً ، تصنع الخلايا البشرية مريضة بطرق مختلفة في المختبر ، ويتم تصوير هذه الخلايا المريضة. بعد ذلك ، دع برنامج التعلم الآلي يتعرف على الفرق بين هذه الخلايا المريضة والخلايا السليمة. أخيرًا ، يتم تطبيق العديد من الأدوية على الخلايا المريضة ، ويتم استخدام برنامج التعلم الآلي للحكم على ما إذا كانت الخلايا ستعود إلى حالتها الصحية ، وذلك للحكم على تأثير الأدوية.

في عملية Recurison الصيدلانية للذكاء الاصطناعي ، يعد البحث الأساسي على مستوى الخلية رابطًا رئيسيًا. وراء هذا منطق البحث عن الأهداف وتطوير الأدوية على أساس جوهر ظواهر الحياة المعقدة. في الوقت الذي يكون فيه النموذج الصيدلاني التقليدي للذكاء الاصطناعي المدرب على بيانات البحث والتطوير الدوائية متعبًا بعض الشيء ، أصبح توسيع سلسلة المستحضرات الصيدلانية التي تعمل بالذكاء الاصطناعي طريقة جديدة في التفكير.

** اختفى DSP-1181 ، وعقار ذكاء اصطناعي جديد لا يمكن تشغيله **

وصل صيف عام 2022 للتو ، وبعد أقل من عامين من الاندفاع تحت دائرة الضوء في سوق رأس المال ، بدأت المستحضرات الصيدلانية بالذكاء الاصطناعي أول تهدئة. بالإضافة إلى البيئة الخارجية الباردة واسعة النطاق ، دخلت منتجات النجوم البارزة في مرحلة التجارب السريرية ، ولكنها سرعان ما واجهت Waterloo ، وخطت على الفرامل في تطوير الأدوية الصيدلانية AI.

في يوليو 2022 ، أعلنت شركة Sumitomo Pharmaceutical أنها ستوقف تطوير DSP-1181 لأن المرحلة الأولى من التجارب السريرية لم تفي بالمعايير المتوقعة. على الفور ، اختفى DSP1181 من المواقع الرسمية لشركة Exscientia و Sumitomo Pharmaceuticals. منذ ذلك الحين ، فشلت محاولات تطوير أول جزيء دواء مصمم في العالم بواسطة الذكاء الاصطناعي.

في وقت مبكر من عام 2014 ، فضلت شركة Sumitomo Pharmaceuticals تقنية توليد المركبات الأوتوماتيكية من Exscientia ونموذج التنبؤ بالذكاء الاصطناعي القائم على المعرفة ، وتوصل الطرفان على الفور إلى تعاون. أصبحت شركة Sumitomo Pharmaceuticals واحدة من أولى شركات الأدوية في العالم التي تتعاون مع شركات الذكاء الاصطناعي. في السنوات التالية ، عملت شركة Sumitomo Pharmaceuticals و Exscientia معًا لاختيار عقار أحادي الأمين (GPCR) المقترن بالبروتين (GPCR) لعلاج الأمراض العقلية.

بالتعاون ، يقوم الفريق الكيميائي لشركة Sumitomo Pharmaceuticals بتجميع المركبات التي اقترحتها Exscientia ، ويقوم فريق علم الأدوية بتقييم هذه المركبات ، وتقوم الشركتان بمشاركة بيانات النشاط معًا لمواصلة تحسين الدواء. استنادًا إلى نموذج خوارزمية الذكاء الاصطناعي من Exscientia ، اختبر الطرفان وصنعا ما يصل إلى 350 مركبًا في أقل من عام ، و DSP-1181 هو المركب 350 الذي تم تصنيعه منذ بدء المشروع. في ذلك الوقت ، كان متوسط الوقت اللازم لإكمال هذا العمل في الصناعة أكثر من 5 سنوات.

بالإضافة إلى ذلك ، يقوم الطرفان أيضًا بتوليف نظائرها أثناء سير المشروع. قام الكيميائيون في شركة Sumitomo Pharmaceuticals بتركيب مركبات وسيطة من المركبات التي اقترحتها Exscientia في وقت واحد ، وصمموا أيضًا وصنعوا بعض المركبات ببيانات دوائية مفترضة ، وقاموا بتغذية هذه البيانات في النماذج التنبؤية لشركة Exscientia. وتشمل هذه المركبات التي توفر علاقات هيكلية ونشاط مهمة لتحسين الهياكل المركبة ، مما يزيد من تسريع دورة اكتشاف الدواء ويسمح للشركة باكتشاف DSP-1181 في فترة زمنية قصيرة.

في بداية عام 2020 ، أعلنت Exscientia بشهرة كبيرة أن DSP-1181 ، الذي تم تطويره بالتعاون مع شركة Sumitomo Pharmaceutical اليابانية ، دخل المرحلة الأولى من التجارب السريرية. في بداية التجربة السريرية لـ DSP-1181 ، كانت شركة Sumitomo Pharmaceuticals متحمسة للغاية ولم تستطع إلا أن مدح النهج المبتكر الذي اعتمدته Exscientia سيساهم بشكل كبير في عقاقير الجهاز العصبي المركزي.

فيما يتعلق بفشل DSP-1181 ، أشار بعض الباحثين إلى أن السبب الجذري هو أن جزيء الدواء نفسه ليس مبتكرًا بدرجة كافية.

أجرى Todd Wills من American Chemical Abstracts Service (CAS) تحليلًا مفصلاً لـ DSP-1181 ووجد أن المستقبل الذي يعمل عليه DSP-1181 هو هدف كلاسيكي مهم جدًا للأدوية المضادة للذهان. بمعنى آخر ، لم ينحرف تطوير DSP-1181 عن الهدف الأصلي. بعد البحث المنهجي حول نظام براءات الاختراع لـ DSP-1181 ، وجد ويلز أن جزيء DSP-1181 كان مشابهًا جدًا للهالوبيريدول ، وهو دواء نموذجي مضاد للذهان تمت الموافقة عليه من قبل إدارة الغذاء والدواء في عام 1967. بهذا المعنى ، من المرجح أن تعمل Exscientia على تحسين الإطار الجزيئي المكتشف منذ فترة طويلة.

ألقى فشل DSP-1181 بظلاله على اللحظة الساطعة للمستحضرات الصيدلانية التي تعمل بالذكاء الاصطناعي ، ولكنه جلب أيضًا نقطة تحول رئيسية للصناعة. منذ ذلك الحين ، عندما يتحدث الناس عن المستحضرات الصيدلانية للذكاء الاصطناعي ، بالإضافة إلى الخوارزميات والبيانات ، فإنهم يركزون أيضًا بشكل تدريجي على الأبحاث المبتكرة في المختبر.

بعد المرور بالارتباك في المراحل المبكرة من التكنولوجيا وتراكم البيانات ، ليس من غير المألوف بالنسبة للمستحضرات الصيدلانية التي تستخدم الذكاء الاصطناعي اليوم أن تبني خط أنابيب للتجارب السريرية. وفقًا لإحصاءات مكتب الأدوية الذكية ، دخلت خطوط أنابيب الأدوية الجديدة التي طورتها شركات الأدوية المحلية التي تعمل بالذكاء الاصطناعي مثل آيسلندا ستون بيو ، ورويج للأدوية ، وينجسي إنتيليجنت ، وهونج يون بيو مرحلة التجارب السريرية. في نهاية شهر يونيو ، كانت Insilicon Intelligence هي الأولى في العالم التي أكملت إدارة أول مريض لعقار AI INS018 \ _055 في المرحلة الثانية من التجربة السريرية.

تكمن الصعوبة الحقيقية في كيفية المضي قدمًا في التجارب السريرية ، حيث إن العديد من عقاقير الذكاء الاصطناعي عالقة في المرحلة الأولى من التجارب السريرية. وفقًا للإحصاءات الصادرة عن مكتب الأدوية الذكية ، من بين 80 خطًا معتمدًا لأدوية الذكاء الاصطناعي في العالم ، تقدم 29 خطًا فقط للبحث والتطوير إلى المرحلة الثانية من التجارب السريرية ، ولم يدخل أي خط أنابيب لعقاقير الذكاء الاصطناعي في مرحلة لاحقة.

بعد أن ظلت شركة AI Pharmaceuticals معصوب العينين لمدة 10 سنوات ، أصبحت غير قادرة إلى حد ما على الجري. بالإضافة إلى DSP-1181 ، الذي وقع في المرحلة الأولى من التجربة السريرية ، منذ وقت ليس ببعيد ، أعلنت شركة Benevolent AI ، وهي شركة أدوية بريطانية رائدة أخرى في مجال الذكاء الاصطناعي ، أن عقارًا مرشحًا لعلاج التهاب الجلد التأتبي فشل في الوصول إلى المستوى المستهدف في المرحلة الثانية من التجارب السريرية ، ونقاط نهاية الفعالية الثانوية. شركة Insilicon ، التي تصنع عقاقير جديدة للذكاء الاصطناعي بقوة ، تتوخى الحذر الشديد عندما يتعلق الأمر بالمرحلة الثانية من التجارب السريرية.

** قتال اختراق نقطة واحدة **

على الرغم من وجود العديد من حالات الصعود والهبوط ، إلا أنه لا يوجد حتى الآن تعريف واضح في هذه الصناعة. يحاول الناس استخدام تقنيات الذكاء الاصطناعي (AI) مثل التعلم الآلي ، والتعلم العميق ، ومعالجة اللغة الطبيعية ، والرسوم البيانية المعرفية لإجراء التحليل الجزيئي الكيميائي الطبي ، واكتشاف الهدف ، والفحص المركب ، وحتى أبحاث التجارب السريرية وغيرها من أبحاث الأدوية الجديدة و العمل المتعلق بالتنمية ، أي المستحضرات الصيدلانية للذكاء الاصطناعي.

في العديد من المناسبات ، يُنظر إلى المستحضرات الصيدلانية التي تعمل بالذكاء الاصطناعي على أنها الحل النهائي لتحسين كفاءة البحث والتطوير في مجال الأدوية الجديدة. ومع ذلك ، فإن تقنية الذكاء الاصطناعي ، المنفصلة عن المنطق الصيدلاني الصارم ، تخترق الرابط الأساسي لأبحاث وتطوير الأدوية الجديدة في نقطة واحدة بطريقة منفصلة عن بعضها البعض.

على وجه التحديد ، في المرحلة السابقة من الاستكشاف ، تم استخدام المستحضرات الصيدلانية للذكاء الاصطناعي لإكمال المهمتين الشاقتين للغاية ولكنهما غاية في الأهمية لاكتشاف أهداف جديدة ومركبات الفحص.

من ناحية أخرى ، يأمل الناس في الاعتماد على قدرات الحوسبة والتحليل القوية لأدوية الذكاء الاصطناعي لاكتشاف إمكانات الاستغلال الكامل للأهداف التي يصعب وصفها بالعقاقير وتجاوز المنافسة المتجانسة في البحر الأحمر. وفقًا للإحصاءات ، في البروتين البشري ، تمثل الأهداف التي يصعب علاجها أكثر من 75٪ ، وأكثر من نصف الأمراض البشرية غير قابلة للعلاج إكلينيكيًا. بالنسبة للأهداف التي تم التحقق من فعاليتها ، مثل PD-1 و GLP-1 وما إلى ذلك ، غالبًا ما تسارع مئات شركات الأدوية لتطويرها في فترة زمنية قصيرة.

حتى الآن ، تم استخدام المستحضرات الصيدلانية للذكاء الاصطناعي لتحل محل العديد من الروابط في تطوير الأدوية الجديدة التقليدية. على سبيل المثال ، تحديد الهدف ، وهو خطوة حاسمة في تطوير الأدوية وإحدى أكثر الخطوات تعقيدًا. في هذه المرحلة ، معظم الأهداف المستخدمة في تطوير عقاقير جديدة هي البروتينات. في اكتشاف الهدف المستند إلى الذكاء الاصطناعي ، يستخرج الباحثون أولاً الميزات الأصلية من تسلسل البروتين وبنيته ووظيفته ، ثم استخدموا أساليب التعلم الآلي لبناء نموذج بروتين دقيق ومستقر ، وأخيرًا استخدموا هذا النموذج لتحديد الوظيفة المستهدفة. الاستدلال والتنبؤ والتصنيف. لقد أصبح هذا وسيلة مهمة للبحث المستهدف للذكاء الاصطناعي.

بالإضافة إلى البيانات الهيكلية ، يتم استخراج بيانات omics المتعددة مثل الجينوميات والبروتيوميات والأيض من عينات المرضى والبيانات الطبية الحيوية الضخمة ، ويستخدم التعلم العميق لتحليل الاختلافات بين الحالات المرضية وغير المرضية. ويمكن استخدامه أيضًا في اكتشاف البروتينات التي لها تأثير على المرض.

من ناحية أخرى ، قد تعمل تقنية الذكاء الاصطناعي على تبسيط فحص الأدوية والتوليف وتقليل التكاليف. بالنسبة للمركبات التي تم فحصها ، غالبًا ما تكون هناك حاجة لظروف الأبعاد مثل الذوبان ، والنشاط / الانتقائية ، والسمية ، والتمثيل الغذائي ، والحركية الدوائية / الفعالية ، والتوليف. سيتضمن ذلك عمليات تجريبية متكررة ، تستغرق وقتًا طويلاً وشاقة ، وستزيد من تكلفة البحث قبل السريري. وهذا النوع من العمل الحسابي شديد التكرار والمكثف هو بالضبط ما تجيده برامج الكمبيوتر.

في هذه العملية ، تُستخدم تقنية الذكاء الاصطناعي لتحقيق التوليد الجزيئي ، أي لاستخدام طرق التعلم الآلي لتوليد جزيئات صغيرة جديدة. على وجه التحديد ، يمكن للذكاء الاصطناعي الحصول على قوانين التركيب الجزيئي وقابلية الأدوية للمركبات من خلال تعلم عدد كبير من المركبات أو جزيئات الدواء ، ثم توليد العديد من المركبات التي لم تكن موجودة في الطبيعة كجزيئات دوائية مرشحة وفقًا لهذه القوانين ، مما يؤدي إلى بناء الأدوية بشكل فعال باستخدام مكتبات جزيئية معينة كبيرة الحجم وعالية الجودة.

بالإضافة إلى ذلك ، تُستخدم تقنية الذكاء الاصطناعي أيضًا لإكمال تصميم التفاعل الكيميائي والفحص المركب. أحد مجالات الكيمياء التي يحرز فيها الذكاء الاصطناعي حاليًا تقدمًا هو نمذجة التفاعلات الكيميائية والطرق التركيبية والتنبؤ بها. استنادًا إلى تقنية الذكاء الاصطناعي ، يتم تعيين الهيكل الجزيئي في شكل يمكن معالجته بواسطة خوارزميات التعلم الآلي ، ويتم تشكيل مسارات تركيبية متعددة بناءً على هياكل المركبات المعروفة ، ويوصى بأفضل مسار اصطناعي. في المقابل ، يمكن للتعلم العميق ونقل التعلم أن يتنبأ بنتائج التفاعل الكيميائي في ضوء المواد المتفاعلة. يمكن استخدام تقنيات الذكاء الاصطناعي لاستكشاف تفاعلات كيميائية جديدة. في الفحص المركب ، تُستخدم تقنية الذكاء الاصطناعي لنمذجة العلاقة بين التركيب الكيميائي والنشاط البيولوجي للمركبات والتنبؤ بآلية عمل المركبات.

يمكن القول أنه في كل عقدة مستقلة ، كان أداء AI Pharmaceuticals جيدًا للغاية. لكن هذا النوع من التميز يصعب توسيعه إلى ما هو أبعد من برامج الكمبيوتر. بالإضافة إلى التجارب السريرية التي لا يمكن إجراؤها ، تعرضت المستحضرات الصيدلانية للذكاء الاصطناعي لانتقادات داخل شركات الأدوية ، وهي بالفعل ظاهرة عامة. في مقابلة مع Arterial.com ، شكوى مهندسو الأدوية بالذكاء الاصطناعي من النشاط الجزيئي المنخفض ودورة الإنتاج الطويلة ، وعدم إعجاب خبراء الكيمياء الطبية بالتشغيل الصعب لمنصة التكنولوجيا ، أصبح مصيرًا لا تستطيع العديد من شركات الأدوية التي تعمل بالذكاء الاصطناعي. يهرب.

إذا نظرنا إلى الوراء ، لا يمكن تجاهل الفجوة بين شركات الأدوية الدوائية والذكاء الاصطناعي لأن الأولى تسعى إلى الكفاءة وتتحقق من قيمتها عن طريق ضغط وقت التطوير ، بينما تؤكد الأخيرة على الجودة وتتطلب عروض توضيحية متكررة لاختيار جيدة منها ، الهدف ، المضي قدمًا. بمعنى ما ، تسير المستحضرات الصيدلانية للذكاء الاصطناعي في خط مستقيم ، وتسعى جاهدة للمضي قدمًا ، في حين أن عملية البحث والتطوير الدوائي الجديد أشبه بحلقة مغلقة ، يمكن الإطاحة بها وإعادة تشغيلها.

قد يحتاج التنفيذ الفعلي للمستحضرات الصيدلانية للذكاء الاصطناعي إلى التوقف عن محاولة تحقيق اختراقات في نقطة واحدة ، وبدلاً من ذلك الاندماج في حلقة التفكير المغلقة للبحث والتطوير الدوائي الجديد.

** عودة إلى القواعد الحقيقية لصنع الدواء **

قال أحد المستثمرين لموقع Arterial.com: "إن شركات الأدوية الأكثر سخونة والأكثر سخونة تقوم ببناء مختبرات آلية ، فقد أصبح إدخال تقنية الذكاء الاصطناعي في اكتشاف الأدوية والتوليف الكيميائي والروابط الأخرى تقريبًا تكوينًا قياسيًا لشركات الأدوية المبتكرة." أنه إذا تم التحقق من وظيفة المختبر الذكي الآلي لتحسين كفاءة بحث وتطوير الأدوية الجديدة ، فسيؤدي ذلك إلى موجة جديدة من إنشاء البنية التحتية لشركات الأدوية الكبيرة.

قام موقع Arterial.com بفرز البيانات العامة ووجد أنه في العامين الماضيين ، استثمرت شركات المستحضرات الصيدلانية للذكاء الاصطناعي في إنشاء مختبرات مؤتمتة. كما أن البيئة المختبرية وشركات الأدوية متعددة الجنسيات مثل Pfizer و AstraZeneca و Eli Lilly قد دفعت ثمنها أيضًا المختبر الآلي لبحوث الأدوية وتطويرها على أساس تكنولوجيا الذكاء الاصطناعي.

على سبيل المثال ، في AstraZeneca iLab في جوتنبرج بالسويد ، تستكشف AstraZeneca إنشاء مختبر كيمياء طبية مؤتمت بالكامل ، يدمج بسلاسة تصميم الحلقة المغلقة وتصنيعها واختبارها وتحليلها (DMTA) لتطوير الأدوية الجديدة مع منصة التكنولوجيا للذكاء الاصطناعي الجزيئي ، وهو مؤسسة أبحاث وتطوير عقاقير جديدة للذكاء الاصطناعي. من بينها ، تكمل تقنية الذكاء الاصطناعي بشكل أساسي روابط التصميم والتحليل في الحلقة المغلقة DMTA ، وتستخدم الذكاء الاصطناعي والتعلم الآلي لمساعدة الكيميائيين على اتخاذ قرارات أفضل بشكل أسرع ، وتحقيق التفاعل الفعال بين الكيميائيين وأجهزة الكمبيوتر ، وبالتالي تسريع استكشاف الفضاء الكيميائي والتصميم من جزيئات الأدوية الجديدة المحتملة.

كمثال آخر ، تعاونت شركة Pfizer مع Jingtai Technology لتسريع تطوير عقاقير جديدة باستخدام طريقة "التنبؤ بالذكاء الاصطناعي + التحقق التجريبي" ، وقد أنشأ هذا الأخير مختبرًا آليًا في شنغهاي.

قال بعض الممارسين لـ Arterial Network: "إن تطوير الأدوية هو عملية تحسين متزامن متعدد الأبعاد". مقياس البيانات الخاص ببحوث وتطوير الأدوية الجديدة ضخم ، والنوع والهيكل معقدان للغاية. بناء مختبر جاف ورطب مغلق الحلقة يمكن أن يكمل التصميم بشكل أكثر كفاءة. ، التحقق من الوهم.

من ناحية أخرى ، شكلت شركات الأدوية طريقة أكثر منهجية لإدارة البيانات. يعتمد البحث والتطوير في مجال العقاقير التقليدية على العلوم التجريبية. في الأبحاث السابقة وتطوير الأدوية الجديدة ، كان تسجيل البيانات وإدارتها وتخزينها يركز على التجارب ، والتي كانت بحاجة إلى تعديل ديناميكي وفقًا للاحتياجات التجريبية. بمعنى آخر ، البيانات هي مجرد منتج ثانوي للتجربة. نظرًا لأن الذكاء الاصطناعي هو طريقة ضمن فئة العلوم الافتراضية وعلوم الحوسبة وعلوم البيانات ، فإن أهمية البيانات بديهية. يتطلب هذا من شركات الأدوية تنظيم تنسيق ومعايير وجودة وكمية البيانات في البحث والتطوير الدوائي بشكل صارم.

من ناحية أخرى ، يمكن أيضًا تحسين نموذج الخوارزمية لشركات الأدوية التي تعمل بالذكاء الاصطناعي بطريقة مستهدفة ، بدلاً من تسميتها ببساطة. يتكامل الذكاء الاصطناعي بعمق مع الأعمال الأساسية لصناعة الأدوية التقليدية ، مع التركيز على الفهم العميق للصناعة والدقة التقنية العالية. بالإضافة إلى استخراج المعرفة الجديدة من عدد كبير من الأوراق والبيانات التجريبية الموجودة ، من الضروري أيضًا أن يكون لديك القدرة على استكشاف البيانات التجريبية في الوقت الفعلي وتحسينها بشكل كامل ، وتحسين النماذج والخوارزميات التكرارية بناءً على ملاحظات البيانات.

وأشار ممارس آخر إلى أنه "بالإضافة إلى نماذج الخوارزميات والبيانات ، فإن المستحضرات الصيدلانية للذكاء الاصطناعي تهتم بشكل متزايد بالقضايا البيولوجية". صحيح أن الاعتماد البحت على التجربة نفسها يمكن أن يتحقق فقط من الفرضية المشكلة ، لكن ما تواجهه المستحضرات الصيدلانية للذكاء الاصطناعي هو نظام أكثر تعقيدًا ، ولا تزال العديد من المشكلات غير معروفة. في السنوات الأخيرة ، بدأت طرق اكتشاف الأدوية القائمة على النمط الظاهري في جذب الانتباه ، أي الاستخدام المباشر للأنظمة البيولوجية لفحص الأدوية الجديدة.

ما مدى تعقيد مشاكل علوم الحياة! المنطق الأساسي لكونه جزيءًا مسجلًا ببراءة اختراع هو أن فهم الآليات البيولوجية يمكن أن يحل المشكلة النهائية للمستحضرات الصيدلانية التي تستخدم الذكاء الاصطناعي. قد تمثل التغييرات الجديدة في الصناعة تغييرًا إيجابيًا في نمط تشغيل المستحضرات الصيدلانية للذكاء الاصطناعي ، من التطوير المستقل المجزأ نسبيًا استنادًا إلى البيانات المختبرية لشركة الأدوية ، والبيانات السريرية ، والنماذج البيولوجية المثالية ، والتتبع المنبع ، واستخدام الأساليب الرياضية. آلية المرض من منظور بيولوجي ، والبدء في العثور على الأدوية مع وضع النهاية في الاعتبار.

وستتضمن هذه العملية بلا شك تحليلًا وحسابات أكبر للبيانات ، وهو أيضًا سبب مهم وراء مشاركة الشركات التي تتمتع بقوة الحوسبة مثل Nvidia بعمق فيها. "لا يمكن استخدام النماذج منخفضة الأبعاد لشرح المشكلات عالية الأبعاد. فقط من خلال إنشاء أدوات لفهم الأنظمة شديدة التعقيد يمكن حل المشكلات المعقدة في علوم الحياة." الدكتور تشاو يو ، نائب مدير مختبر تورينج داروين والمؤسس المشارك لـ Zheyuan Technology ، قال.

بالنسبة إلى المستحضرات الصيدلانية التي تعمل بالذكاء الاصطناعي ، تم تزوير وضع التشغيل ذي نقطة واحدة إلى حد ما ، لكن منحنى نمو الصناعة دائمًا ما يكون صعوديًا.