شفقنا افغانستان – پژوهشگران با طراحی یک سامانه جدید هوش مصنوعی به نام پرامپتاسای نشان دادهاند که میتوان با وادار کردن مدلهای زبانی به تحلیل مسیرهای زیستی و داروشناختی، عوارض جانبی احتمالی داروها را با دقت بیشتری پیشبینی کرد؛ رویکردی که میتواند به توسعه داروهای ایمنتر و کاهش خطرات درمانی کمک کند.
به گزارش سرویس ترجمه شفقنا، پژوهشگران در مطالعهای که در مجله ساینتیفیک ریپورتس منتشر شده، از یک سامانه جدید هوش مصنوعی به نام پرامپتاسای رونمایی کردهاند که برای پیشبینی عوارض جانبی داروها طراحی شده است. هدف این سامانه رفع یکی از چالشهای قدیمی صنعت داروسازی است: تشخیص زودهنگام عوارض ناخواسته داروها پیش از آنکه به بیماران آسیب برسانند.
عوارض جانبی داروها همچنان یکی از مشکلات مهم نظام سلامت محسوب میشوند. پژوهشگران اشاره میکنند که واکنشهای ناخواسته دارویی از جمله علل اصلی مرگومیر در جهان هستند و پس از بیماریهای قلبی، سرطان و بیماریهای عفونی در میان مهمترین عوامل مرگ قرار میگیرند.
اگرچه شناسایی این خطرات از طریق آزمایشهای آزمایشگاهی امکانپذیر است، اما چنین فرایندی بسیار زمانبر و پرهزینه است. به همین دلیل، دانشمندان سالهاست از مدلهای رایانهای برای پیشبینی عوارض احتمالی داروها استفاده میکنند.
با این حال، این مدلها با یک مشکل اساسی روبهرو هستند: اطلاعات مربوط به ترکیبات شیمیایی داروها معمولاً منظم و ساختاریافته است، اما دادههای مربوط به عوارض جانبی اغلب در گزارشهای پزشکی، یادداشتهای بالینی و توصیفهای پراکنده بیماران پنهان شدهاند. این موضوع دقت مدلهای سنتی را محدود میکند.
علاوه بر این، بسیاری از سامانههای قدیمی هوش مصنوعی صرفاً به دنبال الگوهای پرتکرار در دادهها هستند و معمولاً دلیل زیستی و مکانیسم ایجاد عارضه را در نظر نمیگیرند.
پژوهشگران برای رفع این مشکل، پرامپتاسای را طراحی کردند. این سامانه به جای آنکه تنها به توصیف علائم تکیه کند، مدل زبانی را وادار میکند درباره علتهای احتمالی بروز یک عارضه فکر کند.
برای این کار، هوش مصنوعی هنگام بررسی هر دارو چهار عامل مهم را در نظر میگیرد نحوه مصرف دارو، مسیرهای متابولیسم و تجزیه دارو در بدن، ویژگیهای ساختاری مولکول دارو و میزان انتخابپذیری دارو نسبت به اهداف زیستی مختلف.
در نتیجه، سامانه تلاش میکند توضیحی مبتنی بر مکانیسمهای زیستی برای یک عارضه احتمالی ارائه دهد، نه اینکه صرفاً بر اساس شباهتهای ظاهری یا الگوهای پرتکرار پیشبینی انجام دهد.
نتایج نشان داد پرامپتاسای عملکرد بهتری نسبت به بسیاری از مدلهای رایج پیشبینی عوارض دارویی دارد.
در ارزیابیهای انجامشده، این سامانه توانست دقت پیشبینی را حدود ۹ درصد بهتر از قویترین مدلهای پایه افزایش دهد. نسخه پیشرفتهتر آن که اطلاعات بیشتری درباره داروها دریافت میکرد، عملکرد بهتری نیز داشت و از بسیاری از روشهای پیشرفته موجود پیشی گرفت.
محققان معتقدند کاربرد این فناوری ممکن است تنها به پیشبینی عوارض جانبی محدود نشود. در آینده میتوان از همین رویکرد برای شناسایی تداخلهای احتمالی میان داروها یا حتی یافتن کاربردهای درمانی جدید برای داروهای موجود استفاده کرد؛ موضوعی که میتواند روند کشف داروهای جدید را سرعت ببخشد.
این خبر را اینجا ببینید.
