Искусственный интеллект, машинное обучение и репозиционирование лекарственных препаратов в онкологии

Введение: Репозиционирование лекарственных препаратов представляет собой экономически эффективную стратегию повторного применения одобренных препаратов по новым медицинским показаниям. Разработан ряд методов машинного обучения (ML) и искусственного интеллекта (AI) для систематического выявления перспективных кандидатов на репозиционирование на основе больших массивов данных, что позволяет с помощью вычислительных методов ускорить разработку лекарственных препаратов и снизить связанные с ней риски.

Рассмотренные вопросы: Авторы сосредоточились на методах обучения с учителем, использующих общедоступные базы данных и информационные ресурсы. Хотя большинство рассмотренных примеров относится к противоопухолевой лекарственной терапии, описанные методы и ресурсы применимы и при других заболеваниях, включая лечение COVID-19. Особое внимание уделено использованию комплексных профилей активности в отношении мишеней, которые обеспечивают систематическое репозиционирование за счёт расширения профиля препарата и включения в него активных внецелевых мишеней, обладающих терапевтическим потенциалом при новом показании.

Мнение экспертов: Недостаток клинических данных о пациентах и современная ориентация преимущественно на генетические аберрации как основные лекарственные мишени могут ограничивать эффективность подходов к репозиционированию противоопухолевых препаратов, основанных только на геномной информации. Функциональное тестирование клеток пациентов с раком после воздействия большого числа таргетных препаратов и их комбинаций служит дополнительным источником данных для репозиционирования, используемых в методах искусственного интеллекта с учётом особенностей тканей.