تستخدم شركة Pfizer الذكاء الاصطناعي للمساعدة في إحداث ثورة في تطوير الأدوية المنقذة للحياة
لقد جلبت المائة عام الماضية تطورات طبية مذهلة. كانت القدرة على تعديل الجينات ، وبناء آلات إنقاذ الأرواح ، وإنشاء لقاحات تساعد في منع الأمراض أو إيقافها في مساراتها ، أمرًا لا يمكن فهمه سابقًا ، ولكنها حقائق اليوم. ومن المثير للاهتمام أن الأساليب العلمية والوتيرة التي يتم بها تطوير الاختراقات الطبية المنقذة للحياة تستمر في التقدم ، جزئيًا بفضل ظهور واستخدام الذكاء الاصطناعي (AI) والتعلم الآلي (ML).
بشكل عام ، تتحول صناعة علوم الحياة نحو اعتماد أعلى للأدوات الرقمية عبر السلسلة بأكملها. في حين أن هذه الأدوات قد لا تكون بالضرورة جديدة ، فقد تغير النطاق الذي يتم تطبيقه به في الرعاية الصحية بشكل كبير ، لا سيما منذ ظهور جائحة COVID-19. على سبيل المثال ، شهدنا اعتمادًا متزايدًا لزيارات الخدمات الصحية عن بُعد والحركة بعيدًا عن زيارة المكتب التقليدية ، عند الاقتضاء. (1) تشير بعض التقديرات إلى أن الوباء سرَّع هذه الاتجاهات للمرضى.
اعتماد فايزر الرائد للذكاء الاصطناعي والتعلم الآلي
تعمل شركة Pfizer بشكل وثيق مع المرضى والأطباء والشركاء لتحديث كيفية تطوير الأدوية باستخدام الذكاء الاصطناعي. كيف ذلك؟ مع التكنولوجيا الحديثة ، تعمل الشركة على مزيد من الخوض في بيولوجيا الأمراض المختلفة واستخدام هذه الأفكار لفحص الجزيئات التي لديها القدرة على علاج تلك الأمراض.
شركة فايزر ليست جديدة على الإطلاق فيما يتعلق باحتضان الذكاء الاصطناعي والتعلم الآلي. لعقد من الزمان ، كانت تستخدم هذه التقنية في جميع أنواع المهام عبر سلسلة متصلة من تصميم الجزيئات وتصنيعها وتوزيعها.
في الواقع ، يعد اعتماد التكنولوجيا الحديثة جزءًا من نسيج جهود الشركة البحثية وفريق الطب الحيوي AI هو واحد من أكبر الفرق في هذه الصناعة ، مع ما يقرب من 30 باحثًا ومبتكرًا رائدًا في مجال الذكاء الاصطناعي والتعلم الآلي.
ترجمة استخدام الذكاء الاصطناعي والتعلم الآلي إلى اختراقات لجميع المرضى
من المتوقع أن يصبح الذكاء الاصطناعي والتعلم الآلي من بين أهم الأدوات التي تمتلكها شركات الأدوية والتكنولوجيا الحيوية ، مثل Pfizer ، في مجموعة أدواتها لاستكمال خبرة العلماء وما هو ممكن للعلم والطب.
“الذكاء الاصطناعي لديه القدرة على تجاوز جميع الاستراتيجيات الأخرى للتنبؤات المبكرة. على سبيل المثال ، التعلم الآلي المتقدم المستخدم في المراحل الأولى من أبحاث الجزيئات الصغيرة لديه القدرة على زيادة تبسيط تصميم واكتشاف الأدوية التجريبية لدينا ، كما قال Clevert ، Djork-Arné ، نائب الرئيس Machine Learning ، Pfizer Inc. القدرة على غربلة أعداد كبيرة من الجزيئات المحتملة من الناحية الحسابية وتضييق نطاق تلك التي ينبغي للكيميائيين استكشافها بشكل أكبر ، دون الحاجة إلى تركيب واختبار كل جزيء من هذا القبيل “.
وبعد التحديد الأسرع للجزيئات التي يحتمل أن تكون ناجحة ، فإن ML قادر بشكل فريد على المساعدة في التنبؤ بكيفية تفاعل الجزيئات مع الهدف ، والتنبؤ بمكان دخول الدواء في الجسم والتنبؤ بكيفية علاج السياق الأوسع للمرض بشكل فعال. نظرًا لأن خوارزميات الذكاء الاصطناعي / التعلم الآلي لديها القدرة على جمع مجموعات البيانات الضخمة وتحليلها ، فمن المتوقع أن يساعدنا الاستخدام الموسع أيضًا في التعرف على مكونات علم الأحياء التي لا تزال غير معروفة والتي لم يتم فهمها أو الكشف عنها بعد.
في حين أن التركيز في مثل هذا التعلم العميق كان يقتصر عادةً على المناطق التي تحتوي على مجموعات كبيرة من البيانات المتاحة ، إلا أن القليل من الدراسات قد استكشفت تطبيق هذه التقنية على المشكلات العلمية ذات الأهمية العملية التي تفتقر إلى مجموعات بيانات كبيرة بما فيه الكفاية ، مع صعوبة في الحصول على البيانات في الوقت المناسب. أحد هذه المجالات التي لم يتم دعمها بالكامل بعد من خلال قدرة خوارزمية AI / ML هي الأجسام المضادة أحادية النسيلة بسبب قيود الوقت والمواد والموارد الأخرى.
في الآونة الأخيرة ، اتخذ فريق منظمة العفو الدولية للطب الحيوي التابع لشركة Pfizer هذا التحدي ، حيث عالج قيود البيانات الصغيرة في تطوير نماذج تنبؤية لزوجة الجسم المضاد ، وهي سمة أساسية في قابلية التطوير للعلاجات القائمة على الأجسام المضادة أحادية النسيلة. أظهر علماء Pfizer في عملهم أن النماذج القائمة على التعلم العميق يمكن أن تعمم بدقة عالية ، حتى عندما يتم تدريبها على بضع عشرات من نقاط البيانات.[3)
في حين أن هذه التقنيات لا تحل محل العنصر البشري ، فمن المرجح أن يساعد الذكاء الاصطناعي والتعلم الآلي ، المقترن بالبصيرة البشرية والتفسير ، في ضمان نتائج أكثر دقة من خلال توضيح أهداف الأدوية الجديدة ، وفهم أفضل لكيفية تطور المرض في الجسم بمرور الوقت والمساعدة في ضمان ذلك يتم تطوير الأدوية للتدخل في الوقت الأمثل وبطرق ذات مغزى محتمل لأولئك الذين يعيشون مع حالة معينة ، كما يتضح من عمل شركة Pfizer الرائد مع لزوجة الجسم المضاد.
تتيح تجربة Pfizer مع الذكاء الاصطناعي والتعلم الآلي المزيد من الابتكارات المتقدمة والدقيقة للمرضى
توفر حقيقة أن شركة Pfizer لها تاريخ يمتد لعقد من الزمن مع الاستخدام العملي لهذه التقنيات بداية مهمة. يعد وصول الشركة إلى مجموعات البيانات الموسعة التي يمكن دمجها مع البيانات المتاحة حول البيولوجيا وتطوير جزيئات أفضل ميزة مهمة. والنتائج المبكرة تتحدث عن نفسها – استخدمت شركة Pfizer تقنية الحوسبة الفائقة للمساعدة في التعقب السريع لتطوير كل من اللقاحات والعلاج الفموي المصرح به لـ COVID-19.
من خلال تسخير التكنولوجيا الرقمية والذكاء الاصطناعي والتعلم الآلي والتطورات التكنولوجية الأخرى ، تستعد شركة Pfizer للاستمرار في كونها محركًا للابتكار عبر النظام البيئي للرعاية الصحية مع تحقيق الاختراقات التي تغير حياة المرضى.
- رود ماكنزي وآخرون. يجب أن يحفز COVID-19 التغييرات في التطوير السريري. تستعرض الطبيعة اكتشاف الأدوية. تم الاسترجاع 23 يناير ، 2023
- جوليا شيفر ، طبيبة. حالة الرعاية الصحية عن بعد قبل وبعد جائحة COVID-19 المكتبة الوطنية الأمريكية للطب المعاهد الوطنية للصحة. تم الاسترجاع 24 يناير ، 2023
- Brajesh K Rai وآخرون. تنبؤ التعلم العميق القابل للتفسير منخفض البيانات لزوجة الجسم المضاد باستخدام تمثيل ذي مغزى فيزيائيًا حيويًا. التقارير العلمية. تم الاسترجاع 26 يناير ، 2023
