תהליך פיתוח התרופות עשוי להרוויח רבות משימוש בבינה מלאכותית. עם זאת, יישום מוצלח של בינה מלאכותית לפיתוח תרופות עומד בפני מספר מכשולים, כולל ביצועים נמוכים של מודלים עקב נתונים לא מגוונים לאימון המודלים ו”למידת קיצורי דרך” – תופעה בה מודל בינה מלאכותית לומד לפתור משימה על סמך קורלציות בין נתונים, בניגוד לתכונות הקשורות ישירות למשימה עצמה. בנוסף, הדרכים המעורפלות שבהן מערכות בינה מלאכותית מגיעות לניבויים מתנגשות עם מסגרות אישור רגולטוריות שדורשות הסבר להחלטות.
לפי מחקר חתך חדש שפורסם ב-JAMA Network Open שכלל 102,454 תרופות ניסיוניות ומאושרות במאגר נתונים גלובלי של מחקר ופיתוח תרופות, זוהו 165 תרופות שדווח על שימוש בבינה מלאכותית בפיתוחן, מתוכן 164 תרופות ניסיוניות ותרופה מאושרת אחת. השימושים הנפוצים ביותר היו למידת מכונה (28%) ולמידה עמוקה (17%). הבינה המלאכותית שימשה ל-12 מטרות שונות, כאשר השכיחות ביותר היו גילוי מולקולות תרופה (76%) וגילוי מטרות תרופתיות (22%).
השימוש היה נפוץ יותר בפיתוח תרופות לטיפול בסרטן (27%) ומחלות נוירולוגיות (24%). התרופה המאושרת היחידה שהשתמשה בבינה מלאכותית בפיתוחה הייתה תרופת תאי הגזע remestemcel-L.
על פי החוקרים, הממצאים מצביעים על שימוש מוגבל בבינה מלאכותית בפיתוח תרופות, בעיקר בשלבים מוקדמים ובתחומים ספציפיים. הסברים אפשריים כוללים מחסור בנתונים איכותיים בשלבים מאוחרים יותר של גילוי תרופות וציפיות רגולטוריות לא ברורות לגבי יישומי בינה מלאכותית בשלבים מאוחרים. מגבלות המחקר כללו הסתמכות על גילויים ציבוריים של יצרני תרופות. עוד ציינו החוקרים כי תוצאות המחקר מדגישות את הצורך בהבהרה נוספת מצד רגולטורים של תרופות לגבי סטנדרטים ויישומים מקובלים של בינה מלאכותית כדי לעמוד בדרישות אישור שיווק.
תגובות רוצה להצטרף לדיון?
יש להתחבר כדי להגיב.
התחבראין תגובות עדיין. היה הראשון להגיב!