آرزو کیهان
خبر نگار

هوش مصنوعی(AI) هم‌اکنون در سراسر جهان از گوشی‌های هوشمند گرفته تا حوزه فضا و روبات‌ها انقلابی بزرگ در توسعه داده‌های بشر به وجود آورده است. در صنعت داروسازی و پزشکی هم از این توسعه غفلت نشده و پزشکان و داروسازان با استفاده از هوش مصنوعی می‌توانند فرایند تحلیل داده‌های خود را ارتقا بخشند و گام‌های بزرگی برای نجات جان انسان‌ها بردارند.

کشف و توسعه داروهای جدید
هوش مصنوعی تاکنون موفق شده است در کشف دارو و همچنین کاهش هزینه‌های تحقیقاتی و اشتباهات احتمالی بالینی، کمک شایان‌توجهی به انسان کند. تولید یک داروی مشخص مستلزم طی یک پروسه سنتز ترکیبی و طولانی‌مدت است و برای یافتن ترکیب مناسب هر دارو، محققان مجبورند داده‌های عظیمی از ترکیبات مشابه را بررسی و در نهایت، بهترین گزینه را برای ساخت دارو انتخاب کنند. در گذشته برای دستیابی به این اطلاعات، بیش از یک دهه زمان و صدها میلیون دلار هزینه لازم بود، اما هوش مصنوعی این امکان را فراهم می‌کند که فرایند دستیابی به داروهای جدید با تأثیرگذاری بالا کوتاه‌تر شود و هزینه‌های تولید دارو هم کاهش یابد.
هوش مصنوعی به عنوان یکی از فناوری‌های پیشرفته در حوزه علوم رایانه و مهندسی، در سال‌های اخیر تأثیر بسیار زیادی در تحولات حوزه پزشکی و داروسازی داشته است. کاربرد هوش مصنوعی و یادگیری ماشین(ML) در پزشکی و داروسازی، از تشخیص دقیق بیماری‌ها گرفته تا کشف داروهای جدید، منجر به بهبود مراقبت‌های بهداشتی و درمانی شده است. (درواقع الگوریتم‌های یادگیری ماشین برنامه‌های ریاضی هستند که با قرار گرفتن در معرض داده‌های بیشتر، خود را برای عملکرد بهتر تنظیم می‌کنند. این برنامه‌ها نحوه پردازش داده‌ها را در طول زمان تغییر می‌دهند، همان‌طور که انسان‌ها در طول زمان یاد می‌گیرند).

بهبود کیفیت ساخت دارو
یادگیری ماشین و مدل‌های پیشرفته هوش مصنوعی می‌توانند به محققان کمک کنند تا ساختارهای مولکولی مناسبی را برای داروها طراحی کنند که این فرایند می‌تواند زمان و هزینه تحقیقات داروسازی را کاهش دهد. از سوی دیگر به لطف هوش مصنوعی شرکت‌های داروسازی می‌توانند هر محصول را در طول فرایند تولید تجزیه و تحلیل کنند و با بررسی دقیق، عیوب داروها را شناسایی و میزان کیفیت استاندارد دارو مورد توجه قرار گیرد.
بسیاری از شرکت‌های دارویی علاوه بر بهینه‌سازی زنجیره تأمین داروهای خود با استفاده از هوش مصنوعی، هزینه‌ها را کاهش داده و کارایی تولید را نیز بهبود می‌بخشند. در این روش نیازهای بازار یک دارو با دقت بررسی و کیفیت سفارشات بهبود می‌یابد. همچنین با کمک هوش مصنوعی، میزان تقاضا برای انواع داروها پیش‌بینی می‌شود تا صاحبان شرکت‌ها بتوانند تصمیمات بهتری برای ارائه محصولاتشان اتخاذ کنند؛ به عنوان مثال توزیع‌کنندگان دارو می‌توانند با کمک هوش مصنوعی، سفارشات درخواستی روزانه را در زمان بهینه و با نظم بیشتری تحویل مشتری دهند. حتی هوش مصنوعی می‌تواند با تقلب دارویی مقابله کند، چراکه سیستم‌های هوش مصنوعی الگوهای خرید و عرضه دارو را برای تشخیص تقلب و سوء‌استفاده در بازار دارویی تجزیه و تحلیل می‌کنند. با استفاده از این قابلیت، امور به شکل چشمگیری نظم خواهد یافت و ارتباطات آسان‌تری برای تعاملات پدید می‌آید.

تشخیص بهتر و درمان‌های شخصی‌تر
هوش مصنوعی و یادگیری ماشین(ML) می‌تواند با تجزیه و تحلیل داده‌های ژنتیکی و فردی بیمار، نتایج آزمایش‌ها را برای تشخیص دقیق، بررسی و مناسب‌ترین داروها را برای بیمار تجویز کند. همچنین می‌تواند بر اساس مدل‌های رایانه‌ای و بر مبنای تشخیص نهایی، روش‌های بهتری برای مقابله با بیماری ارائه دهد. هوش مصنوعی حتی می‌تواند در بیماری‌های خاص، تأثیرات منفی احتمالی یا عوارض روش‌های درمانی را بررسی و در صورت نیاز، راهکارهای اصلاحی برای آنها پیشنهاد کند.
از سوی دیگر شرکت‌های داروسازی که در پروسه تولید از هوش مصنوعی استفاده می‌کنند، با دقت زمان ماندگاری و تأثیرگذاری دارو را بر بدن بیماران بررسی می‌کنند که با این روش می‌توان نسبت به نوع بیماری، داروی دقیق و مؤثرتری برای بیمار تجویز کرد.

تحول درصنعت داروسازی
درحال حاضر برخی از شرکت‌های بزرگ تولیدکننده ‌داروهای زیستی همکاری گسترده‌ای با شرکت‌های فناوری اطلاعات آغاز کرده‌اند تا پلتفرم‌های هوش مصنوعی را برای کشف درمان‌ بیماری‌هایی همچون سرطان‌ و بیماری‌های قلبی عروقی توسعه دهند.
پیش‌بینی ویژگی‌های فیزیکی و شیمیایی داروها همچون حلالیت، یونیزاسیون و نفوذپذیری بسیار مهم است و ابزارهای مختلف هوش مصنوعی به پیش‌بینی این ویژگی‌ها کمک می‌کنند. هم‌اکنون شرکت‌های بزرگ دارویی جهان استراتژی جدیدی برای استفاده از هوش مصنوعی در برنامه خود دارند؛ به عنوان مثال شرکت داروسازی Vial به عنوان نخستین CRO، جدیدترین بازوی کشف دارو با نام Battery Bio را ارائه داده که یک رویکرد مدرن برای کشف دارو به منظور دگرگون کردن صنعت داروسازی محسوب می‌شود. (CRO به سازمان‌های تحقیقاتی اطلاق می‌شود که به شرکت‌های دارویی، بیوتکنولوژی و تجهیزات پزشکی خدمات مدیریت تحقیقاتی ارائه می‌دهند. CRO‌ های سنتی خدمات مدیریت کارآزمایی بالینی را ارائه می‌دهند، در حالی که CRO‌ های آزمایشگاهی خدمات کشف دارو، تولید، آزمایشگاه و خدمات تجزیه و تحلیل زیستی را ارائه می‌دهند).
از سوی دیگر شرکت‌های بیوداروسازی با استفاده از هوش مصنوعی اهداف جدید خود را شناسایی و برای مرتب‌سازی داده‌ها و به کارگیری صحیح این داده‌ها فعال شده‌اند. سرعت رو به رشد استفاده از این قابلیت و تعداد مشارکت بین شرکت‌های داروسازی و سازمان‌های زیست دارویی در سال گذشته نشان می‌دهد در ژانویه 2024 دو شرکت دارویی Novartis و Eli Lilly توافق کردند که 82. 5 میلیون دلار به آزمایشگاه‌های ایزومورفیک پرداخت کنند تا از فناوری AlphaFold بهره بگیرند. AlphaFold یک برنامه هوش مصنوعی است که توسط DeepMind، زیرمجموعهAlphabet (شرکت مادر گوگل) توسعه یافته و بر ساختار پروتئین تمرکز دارد. این برنامه در صنعت داروسازی مورد استفاده قرار می‌گیرد و برای یافتن و طراحی مولکول‌های کوچک جدید دارویی مورد استفاده قرار می‌گیرد. این تنها ابتدای راه شرکت‌های دارویی است تا برای کشف سریع‌تر داروها ازهوش مصنوعی استفاده کنند و جالب آنکه برای بهینه کردن تجاری‌سازی محصولات خود هم بر ابزارهای هوش مصنوعی متمرکز شده‌اند.

بهداشت جهانی در مسیر دیجیتالی شدن
پیشرفت‌های علم پزشکی نشان می‌دهد که آینده بهداشت جهان، دیجیتالی خواهد بود. در همین راستا، سازمان بهداشت جهانی هم به این عرصه وارد شد و ماه قبل از SARA دستیار هوشمند خود برای سلامتی رونمایی کرد. این دستیار می‌تواند با استفاده از هوش مصنوعی مولد به مردم کمک می‌کند تا پاسخ پرسش‌های بهداشتی خود را پیدا کنند. این دستیار هوشمند از طریق میکروفن دستگاه به پرسش‌های کاربران گوش می‌دهد و همزمان پاسخ می‌دهد و جواب‌ها به صفحه نمایش گوشی منتقل می‌شود. این ابزار به گونه‌ای طراحی شده است که درباره موضوعات گوناگون و مهم پزشکی اطلاعات ارائه دهد. SARA در حال حاضر به زبان‌های عربی، چینی، اسپانیایی، پرتغالی، هندی، روسی، فرانسوی و انگلیسی مسلط است.
آنچه مسلم است اینکه هوش مصنوعی یک برنامه پیشرو در هدایت تحقیقات جدید خواهد بود و در وظایفی مانند بررسی بهتر ساختارهای مولکولی، کمک به ساخت داروهای جدید و همچنین پشتیبانی از روش‌های بالینی جدید، تشخیص یا بهینه‌سازی و شخصی‌سازی درمان‌ها برای بیماران مؤثر خواهد بود.