در سال های اخیر استفاده از هوش مصنوعی در زمینه ی مراقبت های سلامت بسیار افزایش یافته است. یکی از فیلدهایی که در این مطلب قرار است به آن بپردازیم، علم داروسازی و پیشرفت های به دست آمده در این حوزه توسط هوش مصنوعی می باشد. امروزه به کمک هوش مصنوعی (AI) و الگوریتم های یادگیری ماشین (ML) می توانیم داده های مربوطه را به عنوان ورودی ارسال کرده و خروجی بهینه ای همچون آنالیز ساختار شیمیایی داروها تا ویژگی های بالینی بیماران دریافت کنیم. علاوه بر این، هوش مصنوعی با ایده هایی نو در حوزه دارو و سلامت کمک های شایان توجه ای همچون کشف و طراحی دارو، توسعه محصول، بهبود فرایند تولید، پایبندی به دارو و تعیین دوز آن، تغییر کاربری دارو، نشانگرهای زیستی پیش بینی کننده، پیش بینی نتایج درمان، شناسایی جمعیت مطالعات بالینی (clinical trials)، بیماری های کمیاب، شخصی سازی داروها، پردازش داده های زیست پزشکی و بالینی، تجزیه و تحلیل الگوی بیان ژن، پیش بینی شیوع بیماری های همه گیر، نانو انفورماتیک و غیره کرده است.
همچنین علاوه بر تحلیل داده های مربوطه، هوش مصنوعی در زمینه ی کشف داروها با توجه به هدف موجود بسیار کمک کننده بوده و علاوه بر آن توانسته با تکیه بر الگوریتم و مدل های شناسایی شده، پاسخ های دارویی بیماران مختلف را نیز پیش بینی کند که می توان از آن به عنوان یک جهش بزرگ در حیطه ی مراقبت های سلامت یاد کرد.
قبل از اینکه وارد مبحث کاربردهای هوش مصنوعی در داروسازی شویم بهتر است ابتدا با نحوه ی کار هوش مصنوعی و الگوریتم های آن آشنا شده تا بهتر متوجه روند پیشروی این علم شگفت انگیز شویم.
نمودار بالا دو حالت از الگوریتم های یادگیری ماشین را به ما نمایش می دهد. یادگیری با نظارت (supervised) و بدون نظارت (unsupervised).
حالت اول بیشتر جهت پیش بینی به کمک داده های موجود استفاده می شود. برای مثال پیش بینی اینکه آیا آنزیم مربوطه در بدن بیمار با توجه به سوایق ژنتیکی اش فعال خواهد شد یا خیر؟ و یا بیمار X به فلان دارو، پاسخ مثبت خواهد داد یا خیر؟
اما حالت دوم بیشتر برای طبقه بندی و شناسایی کاربرد دارد. برای مثال شناسایی ژن هایی در بدن بیمار که با مصرف فلان دارو، بیان می شوند و یا برای مثال اگر بیمار دچار مریضی نوع A است، به احتمال زیاد بیماری نوع B را هم خواهد داشت.
با توجه به توضیح مختصری که داده شد، اینک به دستاوردها و کاربردهای هوش مصنوعی در صنعت دارو سازی می پردازیم.
اگر یک شرکت دارویی بخواهد به تنهایی داروهای جدید با فرمول شیمیایی نوینی را کشف و تولید کنند، علاوه بر صرف زمان طولانی، مجبور به پرداخت هزینه ی هنگفتی هم خواهند شد.
اما به کمک هوش مصنوعی و با در اختیار گذاشتن داده های مرتبط به نوع فرمول شیمیایی و بیماری مربوطه، می توان در مدت زمان و صرف هزینه ی کمتری به فرمول شیمیایی جدیدی دست یافت. امکان ارائه گزینه‌های درمانی بیشتر و تولید داروهای ارزان‌تر نیز از دیگر مزایای آن می باشد.
هوش مصنوعی در یافتن درمان مناسب برای بیماری های نادر همچون سطان، پارکینسون، آلزایمر و غیره می تواند بسیار کمک کننده باشد.
برای مثال با کمک هوش مصنوعی اپلیکیشنی برای بیماران پارکینسونی طراحی و بر روی دستگاه تلفنشان نصب شده که به صورت هوشمند هرگونه تغییر رفتار در بیمار را به طور خودکار برای پزشک ارسال کرده تا دوز دارو های مصرفی متناسب با اطلاعات و وضعیت موجود بیمار کنترل شود.
واضح است که پیدا کردن بیماران واجد شرایط برای انجام مطالعات بالینی-تحقیقاتی بسیار اهمیت دارد. از این رو هوش مصنوعی با پردازش و ساده سازی فرم های اطلاعاتی به زبانی که کامپیوتر بتواند داده های جمع آوری شده را خوانده و تحلیل کند، کمک شایانی به پیشبرد تحقیقات و آنالیز داده ها می کند.
خطاهای نسخه نویسی یکی از مهم ترین چالش ها برای بیماران است که در بعضی موارد، این اشتباهات به دلایل مختلف مانند تداخلات دارویی، باعث بروز وقایع ناخوشایند در زندگی بیماران می شود. هنگام تجویز یک دارو، باید چندین فاکتور توسط پزشکان در نظر گرفته شود که مستلزم بررسی پیشینه بیماران توسط پزشک و تجزیه و تحلیل گزارشات پزشکی قبلی است. ربات های مبتنی بر هوش مصنوعی می توانند به عنوان یک مشاور شخصی، خدماتی به بیماران یا مشتریان دارو ارائه کنند. این ربات ها اطلاعات بیمار را بازیابی و به داروخانه ارسال می کنند. همچنین، می توانند پس از بررسی تاریخچه بیمار، بهترین دارو برای بیمار را توصیه کنند و یا اعتبارسنجی داروی تجویز شده را انجام دهند.
منابع:
- van der Lee M, Swen JJ. Artificial intelligence in pharmacology research and practice. Clin Transl Sci. 2023;16(1):31-36. doi:10.1111/cts.13431
- https://honam.ir/blog/artificial-intelligence-in-pharmaceutical-industry/
