Uczenie maszynowe lekarstwem na brak lekarstw

Uczenie maszynowe lekarstwem na brak lekarstw

Testowanie nowoopracowanych leków jest procesem niezwykle czasochłonnym, a gwarancja uzyskania prawa do sprzedaży leku jest i tak niezbyt wysoka. Zespół naukowców z Carnegie Mellon University (CMU) stara się usprawnić ten proces, tworząc oparty o robota system, który pozwoli zredukować liczbę wymaganych testów o 70%.

Podczas pracy nad nowym lekiem, naukowcy muszą ustalić jego właściwości lecznicze oraz możliwe skutki uboczne. Jest to niezwykle czasochłonne, ponieważ lekarstwo testowane jest w ogromnej liczbie warunków biologicznych. Zautomatyzowany system z CMU wykorzystuje metody uczenia maszynowego, aby na podstawie wzorców móc przewidzieć wyniki niektórych eksperymentów bez ich faktycznej realizacji. System jest w stanie przeprowadzić także wybrane eksperymenty samodzielnie za pomocą robotów i zautomatyzowanego mikroskopu.

Jego zdolności zostały wystawione na próbę w badaniu, którego celem było określenie wpływu 96 leków na 96 komórek ssaków, zawierających różne oznaczone fluorescencyjnie białka. Teoretycznie należało więc wykonać 9 216 doświadczeń.

System rozpoczął pracę od zobrazowania wszystkich 96 komórek i ustalenia lokalizacji zawartego w nich białka. Wpływ każdego leku na białko był następnie rejestrowany w taki sam sposób. Algorytm uczenia maszynowego powoli identyfikował natomiast wzorce lokalizacyjne białek (fenotypy).

Grupując ze sobą podobne obrazy, maszyna była w stanie zidentyfikować nowe fenotypy bez pomocy naukowców. Im więcej danych zbierała, tym lepsze okazywały się rezultaty jej pracy. W sumie przeprowadzono 30 rund badań (2 697 eksperymentów). Pozostałe wyniki zostały przewidziane z imponującą 92-procentową dokładnością.

Naukowcy są przekonani, że ich praca dowodzi, że techniki uczenia maszynowego mogą być z powodzeniem stosowane w badaniach medycznych, mając przemożny wpływ zarówno na ich aspekt finansowy, jak i merytoryczny.

Wyniki badań zostały opublikowane w czasopiśmie eLife.

(rr)