بیوتکنولوژی داروییعفونت ویروسیهوش مصنوعی
تسریع کشف داروی COVID-19 با رویکرد یادگیری ماشین
محققان با تلفیق رویکرد یادگیری ماشین و فیزیک کوانتومی می‌توانند روند کشف داروی COVID-19 را تسریع کنند. آن‌ها خاطر نشان کردند که فرایند کشف دارو می‌تواند بین پنج تا ده سال از زمان ایده اولیه تا تأیید بازار طول بکشد و به میلیاردها دلار هزینه نیاز دارد. آن‌ها معتقدند که روش یادگیری ماشین کوانتومی نسبت به روش‌های فعلی برای کشف دارو سریع‌تر و اقتصادی‌تر است.
به گفته پروفسور Swaroop Ghosh و همکارانش: “کشف هر داروی جدیدی که بتواند بیماری را درمان کند، بسیار دشوار و زمان‌بر است. محاسبات با کارایی بالا از جمله ابر رایانه‌ها و هوش مصنوعی روند کشف را با استفاده از غربالگری میلیونی ترکیبات شیمیایی به سرعت به سمت گزینه‌های دارویی بی‌نظیر هدایت می‌کنند”.
تیم تحقیقاتی با استفاده از یادگیری ماشین کوانتومی به دنبال یافتن روش‌های جدید برای کشف و توسعه درمان بیماری COVID-19 است. Ghosh گفت: “این رویکرد زمانی کاربرد دارد که ترکیبات شیمیایی در جریان فرایند به اندازه کافی موجود باشند، اما متأسفانه این مسئله برای COVID-19 صدق نمی‌کند. این پروژه به کمک یادگیری ماشین کوانتومی با هدف به‌کارگیری قابلیت‌های جدید در کشف دارو برای تولید سریع ترکیبات پیچیده مورد مطالعه قرار می‌گیرد”.
پروفسور Ghosh و تیمش قبلاً در زمینه توسعه ابزاری برای حل انواع مشکلات خاص، معروف به مشکلات بهینه‌سازی ترکیبی، با استفاده از محاسبات کوانتومی کار کرده‌اند. کشف دارو مشابه مشکلاتی است که قبلاً روی آن‌ها کار کرده‌اند که این باعث می‌شود محققان بتوانند با استفاده از همان ابزار دستی، به دنبال یافتن روش درمانی برای COVID-19 باشند.
پروفسور Ghosh افزود: “هوش مصنوعی برای کشف دارو روشی جدید است. بزرگ‌ترین چالش ما یافتن راه‌حل ناشناخته برای این مشکل با استفاده از فناوری‌های در حال تحول، یعنی محاسبات کوانتومی و یادگیری ماشین کوانتومی است. ما از چشم‌انداز محاسبات کوانتومی در پرداختن به مسئله بحرانی کنونی و مشارکت در حل این چالش بزرگ هیجان‌زده هستیم”.
محققان در همه حوزه‌های مراقبت بهداشتی شروع به استفاده از هوش مصنوعی و سایر ابزارهای تجزیه و تحلیل داده برای یافتن روش‌های سریع درمان COVID-19 کرده‌اند. در آوریل سال 2020 دانشکده بهداشت Chan طرحی ابتکاری را راه‌اندازی کرده است که از مدل‌های هوش مصنوعی برای سرعت بخشیدن به توسعه واکسن استفاده می‌کند. با استفاده از این مدل‌ها محققان می‌توانند واکسن‌ها را آزمایش و پیش‌بینی کنند که کدام روش درمانی به بهترین شکل در بین جمعیت‌ها مؤثر است.
اخیراً دو فارغ التحصیل از دانشگاه کلمبیا استارآپی راه‌اندازی کرده‌اند که الگوریتم‌های یادگیری ماشین را ایجاد می‌کند و قادر به تولید محاسبات، غربالگری و بهینه‌سازی صدها میلیون آنتی‌بادی درمانی است. به گفته محققان، این روش می‌تواند زمان لازم برای کشف روش‌های جدید درمانی و رساندن آن‌ها به بازار را سرعت بخشد.
اندرو ساتز، از مؤسسه علوم داده در دانشگاه کلمبیا، بیان کرد: “آنچه الگوریتم‌های ما انجام می‌دهند، احتمال ناموفق بودن دارو در آزمایشگاه را کاهش می‌دهد. ما در کامپیوتر تا حد امکان شکست می‌خوریم تا احتمال شکست در آزمایشگاه را کاهش دهیم. این روش مقدار قابل توجهی از کار دشوار و وقت‌گیر آزمایشگاه را کاهش خواهد داد”.
