人工智能模型预测药物特性以加快开发

开发治疗疾病的新药通常是一个缓慢而昂贵的过程。然而，滑铁卢大学的一个研究小组使用机器学习来加快开发时间

滑铁卢研究小组创建了Imagand，这是一种生成性人工智能模型，可以评估有关潜在药物的现有信息，然后提出其潜在特性。经过对现有药物数据的培训和测试，Imagand成功预测了不同药物的重要特性，这些特性已经在实验室研究中得到了独立验证，证明了人工智能的准确性

这项名为“药物发现对具有深入分子理解的药代动力学扩散模型微笑”的研究目前可在arXiv预印本服务器上获得

传统上，将一种成功的候选药物推向市场可能需要花费20亿至30亿美元，并需要十多年的时间才能完成。生成式人工智能准备通过利用不同领域的大量药物数据来改变药物发现

计算机科学博士生、该研究的主要作者Bing Hu说：“在开发新药时，有大量可能的化学物质和蛋白质需要研究，这使得药物发现非常昂贵，因为你必须测试数百万个分子和数千个不同的靶点。”。“我们正在研究人工智能可以更快、更便宜地实现这一目标的方法。”

药物开发的主要挑战之一是不仅要了解药物如何单独影响身体，还要了解它如何与其他药物或一个人的生活方式相互作用。这些信息尤其难以收集，因为对药物的科学研究通常只关注药物的预定特性，而不是它们如何与其他药物相互作用

最终，该团队希望医学研究人员将来能够使用Imagand来了解药物如何相互作用，从而消除可能产生不良副作用或相互作用的潜在新药候选物

滑铁卢公共卫生科学与计算机科学学院教授Helen Chen说：“例如，这种人工智能支持的过程可以帮助我们了解药物的毒性有多大，它如何影响心脏，或者它如何与治疗疾病常用的其他药物产生负面相互作用。”。“这是人工智能如何帮助我们走向更精确、个性化护理的一个例子。”