Подходы на основе искусственного интеллекта и машинного обучения к разработке лекарств: проблемы и возможности для фармацевтической промышленности

Глобальное распространение COVID-19 повысило актуальность разработки лекарственных препаратов — сложной и востребованной области исследований. Создание новых молекул для лечения различных заболеваний требует значительных затрат времени и средств, однако эта работа не прекращается. При разработке лекарств важно использовать доступные массивы данных и выявлять новые перспективные соединения. После определения мишени объединяются усилия специалистов из разных областей, применяющих методы искусственного интеллекта (ИИ) и машинного обучения. Эти методы используют на всех этапах компьютерного дизайна лекарств; их интеграция повышает результативность выявления активных соединений. Кроме того, сочетание ИИ и машинного обучения с анализом данных высокой размерности открывает новые возможности благодаря высокой вычислительной мощности этих методов. Модели, объединяющие ИИ и машинное обучение, могут прогнозировать результаты клинических исследований, что позволит дополнительно снизить их стоимость и повысить вероятность успеха. В этом обзоре рассматриваются принципы применения ИИ и машинного обучения для поддержки компьютерного дизайна лекарств, а также связанные с этим проблемы и возможности для фармацевтической промышленности. На основе имеющихся данных методы ИИ и машинного обучения применяют для прогнозирования результатов высокопроизводительного виртуального скрининга. Интеграция этих методов повысила результативность выявления активных соединений и способствовала созданию новых лекарственных препаратов.