Egyesével vizsgálja át és azonosítja a Mesterséges intelligencia az öregedő sejteket

Egy új terápiás gyógyszer kifejlesztése tetemes összegeket emészt fel, a kutatások költségei forintosítva akár 100 milliárdokra is rúghatnak. Ennek ellenére 5000 gyógyszerből csupán 5 kerülhet ki a patikák polcaira. A gyógyszerkutatás hatékonyságának és dinamikus növekedésének fenntartása érdekében elengedhetetlen lenne a költségek lefaragása. Ezen a ponton kapcsolódik be a történetbe a mesterséges intelligencia (MI).

Az MI jelenléte a gyógyszeriparban – nem kivétel ez alól a szenolitikus farmakológia sem – az elmúlt öt évben megsokszorozódott. A Business Insider kutatásai szerint a mesterséges intelligencia a fejlesztési költségek akár 70 százalékát is képes lefaragni úgy, hogy a hatékonyág nem szenved csorbát.
Az MI bevetésének azonban a költségek visszaszorításán túl van még egy megkerülhetetlen előnye, ez pedig nem más, mint a kutatás-fejlesztés idejének rendkívüli lerövidülése. Ennek következtében a mesterséges intelligencián alapuló fejlesztések minden területen növekvő tendenciát mutatnak.

Hogyan alkalmazható az MI az öregedésgátlás ágazatában?

Shinsuke Yuasa professzor, a tokiói Keio Egyetem Orvostudományi Karának munkatársa az MI felhasználhatóságát vizsgálja az élettartam meghosszabbítását célzó gyógyszerfejlesztés területén. A gépi tanulás számos lehetőséget ad a kutatók kezébe, de a professzor és tudós csapata elsősorban a konvolúciós ideghálózatokra (CNN) fókuszál.
A csapat talán legizgalmasabb tudományos fejlesztése a DeepSeSMo, azaz egy CNN-alapú pontozási rendszer, amelyet arra oktattak, hogy a mikroszkópos tárgylemezeken számszerűsítse az öregedő sejteket. Az MI pontossága és gyorsasága félelmetes. Az algoritmus amellett, hogy az összes öregedő sejtet képes volt feltérképezni és azonosítani, a művelet végrehajtására mindössze 1 századmásodpercre volt szüksége.
Szakértők szerint a megközelítés alkalmazható lenne az öregedés biológiai mechanizmusainak jobb megismerésére, illetve a folyamat lassítására, megállítására. A DeepSeSMo valószínűleg a gépi tanulás virágzásának a kezdete csupán, legyen szó akár a szenolitikus akár az általános gyógyszerkutatás területéről. Az MI a jövőben nem csupán az azonosításra lesz képes, de akár előre is vetíthet olyan káros sejtes folyamatokat, ami lehetőséget adhat az időben történő beavatkozásra.
Forrás: www.longevity.technology

Az Első

Szia! Attila vagyok, az Első. A Gazdagsag.hu megálmodója és alapítója. A weboldal több weboldal egyesítésével jött létre és fejlődik önállóan tovább. A tanácsom: ne csak olvass, hanem hasznosíts és küzdj meg a céljaidért. Megéri!

Vélemény, hozzászólás?

Legújabb innen - Testi Gazdagság