KI entwickelt Krebsmedikament in 30 Tagen

Künstliche Intelligenz hat in nur 30 Tagen eine Behandlung für eine aggressive Form von Krebs entwickelt und gezeigt, dass sie die Überlebensrate eines Patienten anhand medizinischer Aufzeichnungen vorhersagen kann.

Die Neuerungen wurden von separaten Systemen durchgeführt, zeigen aber, dass die Einsatzmöglichkeiten der leistungsstarken Technologie weit über die Generierung von Bild und Text hinausgehen.

Forscher der University of Toronto arbeiteten mit Insilico Medicine zusammen, um eine potenzielle Behandlung des hepatozellulären Karzinoms (HCC) mithilfe einer KI-gestützten Arzneimittelforschungsplattform namens Pharma zu entwickeln.

HCC ist eine Form von Leberkrebs, aber AI hat einen bisher unbekannten Behandlungsweg entdeckt und ein „bahnbrechendes neues Molekül“ entwickelt, das an dieses Ziel binden könnte.

Das System, das auch die Überlebensrate vorhersagen kann, ist die Idee von Wissenschaftlern der University of British Columbia und BC Cancer, die festgestellt haben, dass das Modell zu 80 % genau ist.

KI wird zur neuen Waffe gegen tödliche Krankheiten, da die Technologie in der Lage ist, riesige Datenmengen zu analysieren, Muster und Zusammenhänge zu entdecken und die Auswirkungen von Behandlungen vorherzusagen.

Alex Zhavoronkov, Gründer und CEO von Insilico Medicine, sagte in einer Erklärung: „Während die Welt von den Fortschritten der generativen KI in Kunst und Sprache fasziniert war, gelang es unseren generativen KI-Algorithmen, wirksame Inhibitoren eines Ziels mit einer von AlphaFold abgeleiteten Struktur zu entwickeln.“

Das Team verwendete AlphaFold, eine auf künstlicher Intelligenz (KI) basierende Proteinstruktur-Datenbank, um ein potenzielles Medikament zur Behandlung des hepatozellulären Karzinoms (HCC), der häufigsten Art von primärem Leberkrebs, zu entwerfen und zu synthetisieren.

Das Kunststück wurde in nur 30 Tagen nach Auswahl des Ziels und nach der Synthese von nur sieben Verbindungen vollbracht.

In einer zweiten Runde der KI-gestützten Wirkstoffgenerierung fanden die Forscher ein wirksameres Hit-Molekül – obwohl jedes potenzielle Medikament noch klinischen Studien unterzogen werden muss.

Feng Ren, Chief Scientific Officer und Co-CEO von Insilico Medicine, sagte: „AlphaFold hat mit der Vorhersage der Struktur aller Proteine ​​im menschlichen Körper wissenschaftliches Neuland betreten.

„Wir bei Insilico Medicine sahen dies als eine unglaubliche Gelegenheit, diese Rahmenbedingungen zu nutzen und sie auf unsere End-to-End-KI-Plattform anzuwenden, um neue Therapeutika zur Behandlung von Krankheiten mit hohem ungedecktem Bedarf zu entwickeln. Dieser Artikel ist ein wichtiger erster Schritt in diese Richtung.’

Das System zur Vorhersage der Lebenserwartung nutzte die Verarbeitung natürlicher Sprache (NLP) – ein Zweig der KI, der die komplexe menschliche Sprache versteht – um die Notizen des Onkologen nach der ersten Konsultation eines Patienten zu analysieren.

Das Modell identifizierte einzigartige Merkmale für jeden Patienten und prognostizierte eine Überlebenszeit von 6 Monaten, 36 Monaten und 60 Monaten mit einer Genauigkeit von mehr als 80 Prozent.

John-Jose Nunez, ein Psychiater und klinischer Forscher am UBC Mood Disorders Center und BC Cancer, sagte in einer Erklärung: „Die KI liest das Konsultationsdokument im Wesentlichen so, wie es ein Mensch tun würde.

„Diese Dokumente enthalten viele Details, wie z. B. das Alter des Patienten, die Art des Krebses, die zugrunde liegenden Gesundheitszustände, den Drogenkonsum in der Vergangenheit und die Familiengeschichte.

“KI kombiniert all dies, um ein vollständiges Bild der Patientenergebnisse zu zeichnen.”

Traditionell wurden Krebsüberlebensraten rückwirkend berechnet und nach nur wenigen generischen Faktoren wie Krebsort und Gewebetyp kategorisiert.

Das Modell ist jedoch in der Lage, eindeutige Hinweise in einem Erstberatungsdokument eines Patienten zu erfassen, um eine detailliertere Bewertung zu ermöglichen.

Die KI wurde anhand von Daten von 47.625 Patienten an allen sechs Standorten von BC Cancer in British Columbia trainiert und getestet.

“Da das Modell auf BC-Daten trainiert wird, ist es ein potenziell leistungsfähiges Werkzeug zur Vorhersage des Krebsüberlebens in der Provinz”, sagte Nunez.

‘[But] Das Beste an neuronalen NLP-Modellen ist, dass sie hochgradig skalierbar und portabel sind und keine strukturierten Datensätze erfordern. Wir können diese Modelle mithilfe lokaler Daten schnell trainieren, um die Leistung in einer neuen Region zu verbessern.“