A inteligência artificial desenvolveu um tratamento para uma forma agressiva de Câncer em apenas 30 dias e mostrou que pode prever a taxa de sobrevivência de um paciente a partir de anotações médicas.
Os avanços foram feitos por sistemas separados, mas demonstram como a poderosa tecnologia pode ser utilizada muito além da geração de imagens e textos.
Pesquisadores da Universidade de Toronto colaboraram com a Insilico Medicine para desenvolver um tratamento potencial para o carcinoma hepatocelular (CHC) com um PARA O Plataforma de pesquisa de medicamentos chamada Pharma.
O HCC é uma forma de câncer de fígado, mas a IA descobriu uma rota de tratamento anteriormente desconhecida e projetou uma “nova molécula de sucesso” que poderia se ligar a esse alvo.
O sistema, que também pode prever a sobrevivência, é invenção de cientistas da Universidade de British Columbia e BC Cancer, que descobriram que o modelo tem 80% de precisão.
AI desenvolveu o tratamento do câncer (cepa) em apenas 30 dias após a seleção do alvo e após sintetizar apenas sete compostos
A IA está se tornando a nova arma contra doenças mortais devido à capacidade da tecnologia de analisar grandes quantidades de dados, descobrir padrões e conexões e prever os efeitos dos tratamentos.
Alex Zhavoronkov, fundador e CEO da Insilico Medicine disse em um opinião: “Enquanto o mundo estava hipnotizado pelos avanços na IA generativa em arte e linguagem, nossos algoritmos de IA generativa conseguiram projetar inibidores eficazes de um alvo com uma estrutura derivada de AlphaFold.”
A equipe usou o AlphaFold, um banco de dados de estruturas de proteínas baseado em inteligência artificial (IA), para projetar e sintetizar um medicamento potencial para tratar o carcinoma hepatocelular (HCC), o tipo mais comum de câncer primário de fígado.
A façanha foi realizada em apenas 30 dias após a seleção do alvo e após a síntese de apenas sete compostos.
Em uma segunda rodada de geração de drogas assistida por IA, os pesquisadores descobriram uma molécula de sucesso mais potente – embora qualquer droga em potencial ainda precise passar por testes clínicos.
Feng Ren, Diretor Científico e Co-CEO da Insilico Medicine, disse: “O AlphaFold abriu novos caminhos científicos ao prever a estrutura de todas as proteínas do corpo humano.
“Nós da Insilico Medicine vimos isso como uma oportunidade incrível de pegar essas estruturas e aplicá-las à nossa plataforma de IA de ponta a ponta para desenvolver novas terapêuticas para tratar doenças com altas necessidades não atendidas. Este artigo é um primeiro passo importante nessa direção.’
Outro sistema de IA identificou características únicas para cada paciente e previu a sobrevida em seis meses, 36 meses e 60 meses com mais de 80% de precisão
O sistema usado para prever a expectativa de vida usou o processamento de linguagem natural (NLP) – um ramo da IA que entende a linguagem humana complexa – para analisar as anotações do oncologista após a primeira consulta do paciente.
O modelo identificou características únicas para cada paciente e previu a sobrevida em seis meses, 36 meses e 60 meses com mais de 80% de precisão.
John-Jose Nunez, psiquiatra e pesquisador clínico do UBC Mood Disorders Center and BC Cancer, disse em um opinião: “A IA lê essencialmente o documento de consulta como um humano o leria.
“Esses documentos contêm muitos detalhes, como idade do paciente, tipo de câncer, condições de saúde subjacentes, uso de substâncias no passado e histórico familiar.
“A IA combina tudo isso para pintar um quadro completo dos resultados dos pacientes”.
Tradicionalmente, as taxas de sobrevivência ao câncer foram calculadas retrospectivamente e categorizadas de acordo com apenas alguns fatores genéricos, como localização do câncer e tipo de tecido.
No entanto, o modelo é capaz de captar pistas únicas no documento de consulta inicial de um paciente para fornecer uma avaliação mais detalhada.
A IA foi treinada e testada usando dados de 47.625 pacientes em todos os seis locais do BC Cancer em British Columbia.
“Como o modelo é treinado em dados BC, é uma ferramenta potencialmente poderosa para prever a sobrevivência do câncer provincial”, disse Nunez.
‘[But] O melhor dos modelos neurais de PNL é que eles são altamente escaláveis e portáteis e não requerem conjuntos de dados estruturados. Podemos treinar rapidamente esses modelos usando dados locais para melhorar o desempenho em uma nova região.”
