آفتاب سلامت: تصور کنید در یک آرشیو بزرگ، میلیون ها عکس نگهداری می شود و شما در مقام کارفرما هر بار به چند نفر ماموریت می دهید در میان این بانک عظیم تصاویر، عکس هایی را با مشخصه های ویژه ای مانند سایز مشخص، کاراکترهای معلوم، رنگ تعیین شده و سایر ویژگی ها بیابند و سپس بنا به تدابیری، تغییراتی در آنها ایجاد کنند. انجام این وظیفه برای اپراتورها در راستای انجام سفارش، ضمن وقوع اشتباهات عدیده، هفته ها و ماه ها به درازا خواهد کشید در حالی که اگر این تصاویر به رایانه انتقال یافته و برای انجام امور خواسته شده مذکور، برنامه نویسی انجام دهند، تمام فرامین ظرف مدتی کوتاه اجابت خواهد شد.
دارو ماده‌ای است که با واکنش‌های شیمیایی خود، تغییراتی در کارکردهای زیستی ایجاد می‌کند. به طور معمول مولکول دارو با مولکولی خاص در سیستم زیستی، برهم کنش دارد. یک مولکول دارو باید شکل، اندازه، ترکیب اتمی و بار الکتریکی مناسب داشته باشد. الگوریتم هایی مانند بررسی قطعات با ویژگی های برشمرده، دینامیک مولکولی و سایر ویژگی ها و انطباقات، محاسباتی است که هم اکنون تکنولوژی هوش مصنوعی و تکنیک های یادگیری عمیق برعهده گرفته و با تکمیل این فرایند رو به توسعه، بدون کوچک ترین تردید، جایگزینی نهایی و شایسته برای روش های سنتی خواهند بود.
ساخت داروها به شکل سنتی همواره یک روش پرچالش، طولانی و دارای تبعات بوده است. داروسازها با هدف درمان یک بیماری یا نشانه ی خاص، مولکول‌های دارویی را می‌سازند یا تغییر می دهند و گاه در جهت بهبود یک داروی موجود، اهتمام می ورزند. اما این روش سنتی بسیار کند، در مقایسه با سرعت، دقت و خستگی ناپذیری سیستم های هوش مصنوعی، در سال های پیشرو، مطلوبیت خود را از دست خواهد داد.
هم زمان تیم های تحقیقاتی زیادی در حال توسعه ی هوش مصنوعی با هدف داروسازی هستند. در یکی از این موارد، موسسه ی فن آوری ماساچوست موسوم به MIT مدل یادگیری ماشین خود را با ۲۵۰ هزار گراف مولکولی، که در واقع سازنده ی تصویر دقیق ساختار مولکولی به حساب می آید، آموزش داده است. پس از آن اعضای گروه به مدل طراحی مولکولی دست یافتند که مولکول‌های پایه را برای ساخت مولکول‌های جدید با خواص ارتقا یافته به خدمت می گیرد.
شرکت بیوتکنولوژی Insilico Medicine که در زمره مراکز فن آوری در حال پیشرفت دانشگاه جان هاپکینز به حساب می آید و در بالتیمور واقع شده، با ترکیبی از ژنومیک، تجزیه و تحلیل داده های گسترده و یادگیری عمیق، در حال کشف داروهای جدید است. این شرکت با همکاری بسیار نزدیک پیری شناسان، سرطان شناسان، داروسازان، زیست شناسان و نخبگان برنامهنویسی، با تجزیه و تحلیل این که چگونه یک ترکیب بر سلول تاثیر می گذارد و چه داروهایی می تواند برای مداوای سلول ها با کمترین عوارض جانبی احتمالی استفاده شود، تحقیقات داروسازی ماشینی خود را توسعه می دهند.
محققین دانشگاه کارولینای شمالی، مخلوقی توسعه یافته با هوش مصنوعی ساخته اند که یک میلیون و هفتصد هزار مولکول فعال دارویی را در حافظه ی خود ذخیره کرده است. در این برنامه دو شبکه ی عصبی شبیه به استاد و شاگرد ایجاد شده که اولی دارو و داروسازی را آموزش می دهد و دومی یاد می گیرد و داروی تازه پیشنهاد می کند که گاه با تایید و زمانی با جواب منفی مواجه می گردد و از این تایید و ردها نیز باز تجربه کسب کرده و از ویژگی یادگیری عمیق استفاده می کند و چنین پدیده ای با سرعتی قابل قبول به تولید داروهای تازه کمک می کند.
به کارگیری دستگاه هایی که قادر به یادگیری شیمی و زیست‌شناسی هستند دنیای داروسازی را به سرعت متحول می کند. این دستگاه‌ها می‌توانند با محاسبه ی بسیاری خصوصیت های سلول های زنده، انتخاب داروهای مناسب، چیدمان دقیق مولکول ها بر اساس ویژگی‌ها و لحاظ ریسک سمیت هریک، انقلابی در تولید دارو و نهایتا روش های درمانی پدید آورند.
هوش مصنوعی با پیش بینی های محاسباتی، شکست های روش سنتی در کارآزمایی‌های بالینی را به حداقل رسانده، در صرف هزینه و زمان، نهایت صرفه‌جویی را امکان پذیر ساخته و هدف عالی نجات جان بیماران با داروهای موثرتر را محقق می کند.
ماشین هوشمند در حین پردازش اطلاعات وارد شده، معتبرترین مولکول پایه را که به عنوان مولکول راهنما شناخته می‌شود، در زمان مناسبی پیدا کرده که حلال و قابل ترکیب بودن از ویژگی های تعریف شده آن است.
امیدواری رو به گسترش در تحقق داروسازی با هوش مصنوعی به این خاطر است که داروسازی های چند ملیتی با امکانات فوق العاده خود در رقابتی آشکار و پنهان در همین راستا، به هیچ وجه حاضر به کنار کشیدن از این فن آوری رقابتی و بالطبع چشم پوشی از سودهای نجومی بازار دارویی نیستند آنان علاوه بر استفاده از واحدهای تحقیق و توسعه تحت مالکیت، با حمایت های مالی خود، دانشگاه ها و مراکز تحقیقاتی توانمند را نیز به تکاپو واداشته اند و هر یک از آنان با فن آوری ابداعی و مبتکرانه در مسابقه ی تولید دارو با هوش مصنوعی شرکت دارند.
استارتاپ‌های کشف داروی مبتنی بر هوش مصنوعی یکی پس از دیگری ابداع و عرضه می شوند. به طور مثال شرکت Atomwise با کمک جایزه‌ی غربالگری مولکولی هوش مصنوعی (AIMS)، فعالانه در حال برقراری ارتباط با نخبگان در دانشگاه هاست. این جوایز به ده ها دانشمند اهدا شده و با توجه به نتایج موفقیت آمیز آن، روال جدیدی برای اعطای جوایز تازه برای دوره های آینده اعلام شده است.
تلاش های پیشین بسیاری از توسعه دهندگان هوش مصنوعی در زمینه های مختلف مانند تشخیص گفتار و متن، شناسایی چهره‌ها در تصاویر، رانندگی ماشین، ترجمه ماشینی و بسیاری امور دیگر به نتایج کاربردی منجر شده و در زمینه داروسازی نیز با پیشنهادات مولکول های قابل استفاده از سوی هوش مصنوعی، دست اندرکاران دارویی مجاب شده اند و به نتیجه رسیدن پروسه ی ورود هوش مصنوعی به داروسازی را امری بسیار بدیهی و اقدامی در حال تکوین می بینند.
موید رشد رو به فزونی بیماری ها و ناکافی بودن سرعت ابداع درمان های لازم و موثر، آمار IARC مرکز پژوهشی معتبری است که در سال ۲۰۱۸ ابتلا به سرطان به عنوان فقط یکی از بیماری ها را بیش از هجده میلیون نفر برآورد کرده که به خاطر فقدان دارو و درمان های موثر تعداد نه میلیون و ششصد هزار سرطانی جان خود را از دست خواهند داد.
چنین واقعیت های تلخی ضرورت ورود هر چه سریع تر هوش مصنوعی به حیطه ی داروسازی و پزشکی را بیش از پیش روشن می کند و برای سرعت بخشیدن به پروژه های رقابتیArtificial intelligence، باید به برخی سنت گرایان صاحب سرمایه و قدرت تصمیم گیری، هوش مصنوعی را شناساند. بسیاری از مدیران داروسازی های بزرگ، تحولات جهان را با تحصیلات چند دهه پیش خود ارزیابی کرده و هوش مصنوعی را در زمره ی دغدغه های سازمان خود نمی دانند و آن را جزو زیر مجموعه های دنیای انفورمانیک و فن آوریهای غیرمرتبط با داروسازی و پزشکی تصور می کنند.
