AI ၏ပထမဆုံးဆေးဝါးရှာဖွေတွေ့ရှိမှု- စက်ရုပ်များသည် သိပ္ပံပညာရှင်များအား ဆေးဝါးအသစ်များရှာဖွေတွေ့ရှိရန် ကူညီပေးနိုင်ပါသလား။

• Author:
• စာရေးသူနာမည်

  Quantumrun Foresight
• သြဂုတ်လ 22, 2022

ဝိပဿနာ အကျဉ်းချုပ်

တိုင်းရင်းဆေးဖွံ့ဖြိုးတိုးတက်မှုတွင် ကုန်ကျစရိတ်ကြီးမြင့်မှုနှင့် ကျရှုံးမှုနှုန်းများသည် ဆေးဝါးကုမ္ပဏီများကို သုတေသနစွမ်းဆောင်ရည်မြှင့်တင်ရန်နှင့် ကုန်ကျစရိတ်သက်သာရန် ဉာဏ်ရည်တု (AI) နည်းပညာများတွင် ရင်းနှီးမြှုပ်နှံရန် တွန်းအားပေးလျက်ရှိသည်။ AI သည် မူးယစ်ဆေးဝါးပစ်မှတ်အသစ်များကို လျင်မြန်စွာဖော်ထုတ်ပြီး စိတ်ကြိုက်ကုသမှုများကို လုပ်ဆောင်ခြင်းဖြင့် လုပ်ငန်းနယ်ပယ်ကို ပြောင်းလဲလျက်ရှိသည်။ AI ဆီသို့ ဤပြောင်းလဲမှုသည် ဓာတုဗေဒပညာရှင်များအတွက် အလုပ်အကိုင်လိုအပ်ချက်များ ပြောင်းလဲခြင်းမှ AI ၏ဉာဏပစ္စည်းမူပိုင်ခွင့်ဆိုင်ရာ ငြင်းခုံမှုများအထိ ဆေးဝါးဆိုင်ရာအခင်းအကျင်းကို ပြန်လည်ပုံဖော်နေသည်။

AI-ပထမအကြိမ် မူးယစ်ဆေးဝါးရှာဖွေတွေ့ရှိမှု အကြောင်းအရာ

ပုံမှန် မူးယစ်ဆေးဝါး ဖွံ့ဖြိုးတိုးတက်ရေး ပရောဂျက်သည် အမေရိကန်ဒေါ်လာ ၂.၆ ဘီလီယံ ကုန်ကျသည်။ ကိုယ်စားလှယ်လောင်း ကုထုံး ၁၀ ခုမှာ ၉ ခုက စည်းမျဉ်းစည်းကမ်း အတည်ပြုချက် မရရှိနိုင်တာကြောင့် သိပ္ပံပညာရှင်တွေအတွက် ဖိအားက မြင့်မားနေပါတယ်။ ရလဒ်အနေဖြင့် ဆေးဝါးကုမ္ပဏီများသည် ကုန်ကျစရိတ်ကိုလျှော့ချနေစဉ် သုတေသနထိရောက်မှုတိုးမြင့်လာစေရန် 2.6 ခုနှစ်များအတွင်း AI ပလပ်ဖောင်းများတွင် အပြင်းအထန်ရင်းနှီးမြှုပ်နှံလျက်ရှိသည်။ 

စက်သင်ယူခြင်း (ML)၊ သဘာဝဘာသာစကားဖြင့် လုပ်ဆောင်ခြင်း (NLP) နှင့် ကွန်ပျူတာအမြင် အပါအဝင် မူးယစ်ဆေးရှာဖွေတွေ့ရှိမှုတွင် မတူညီသော AI နည်းပညာများကို အသုံးပြုပါသည်။ ML သည် သိပ္ပံနည်းကျစာပေများ၊ လက်တွေ့စမ်းသပ်မှုများနှင့် လူနာမှတ်တမ်းများအပါအဝင် အရင်းအမြစ်အမျိုးမျိုးမှ အချက်အလက်များကို ပိုင်းခြားစိတ်ဖြာပါသည်။ ထို့နောက် မူးယစ်ဆေးဝါးပစ်မှတ်အသစ်များကို အကြံပြုနိုင်သည် သို့မဟုတ် ပိုမိုထိရောက်သောကုသမှုများ ဖွံ့ဖြိုးတိုးတက်လာစေရန်အတွက် ဤအချက်အလက်ကို အသုံးပြုနိုင်သည်။ NLP ကို ​​ဘာသာစကားအခြေခံသော ကြိုတင်ခန့်မှန်းမှုပုံစံဖြစ်သော NLP ကို ​​သိပ္ပံနည်းကျစာပေများမှ အချက်အလက်များကို တူးဖော်ရန်အတွက် အသုံးပြုထားပြီး လက်ရှိဆေးဝါးများကို တီထွင်နိုင်သည့် နည်းလမ်းအသစ်များကို မီးမောင်းထိုးပြနိုင်မည်ဖြစ်သည်။ နောက်ဆုံးတွင်၊ ကွန်ပြူတာအမြင်သည် ဆဲလ်များနှင့် တစ်ရှူးများ၏ ရုပ်ပုံများကို ခွဲခြမ်းစိတ်ဖြာပြီး ရောဂါများနှင့် ဆက်နွှယ်သည့် ပြောင်းလဲမှုများကို သိရှိနိုင်သည်။

ဆေးဝါးအသစ်များထုတ်လုပ်ရန် AI ကိုအသုံးပြုသည့် ဆေးကုမ္ပဏီတစ်ခု၏ဥပမာတစ်ခုမှာ IBM Watson ကိုအသုံးပြုထားသည့် IBM Watson ကိုအသုံးပြုထားသည့် immuno-oncology ဆေးဝါးများကို ကျယ်ပြန့်စွာသုတေသနပြုနိုင်သော ML စနစ်ဖြစ်သည်။ ထိုအတောအတွင်း ပြင်သစ်အခြေစိုက် Sanofi သည် ဇီဝဖြစ်စဉ်-ရောဂါကုထုံးများကိုရှာဖွေရန် AI ပလပ်ဖောင်းတစ်ခုဖန်တီးရန် UK startup Exscientia နှင့် ပူးပေါင်းခဲ့သည်။ ဆွစ်ဇာလန်ကုမ္ပဏီ Roche လက်အောက်ခံ Genentech သည် ကင်ဆာကုသမှုများကို ဦးဆောင်ရန်အတွက် US-based GNS Healthcare မှ AI စနစ်တစ်ခုကို အသုံးပြုနေသည်။ တရုတ်နိုင်ငံတွင် ဇီဝနည်းပညာလုပ်ငန်းစတင်သည့် Meta Pharmaceuticals သည် AI ကိုအသုံးပြု၍ autoimmune ရောဂါကုသမှုများဖန်တီးရန်အတွက် မျိုးစေ့ရန်ပုံငွေဒေါ်လာ ၁၅ သန်းရရှိခဲ့သည်။ ကုမ္ပဏီကို အခြားသော AI အကူအညီပေးသည့် ဆေးဝါးရှာဖွေရေးကုမ္ပဏီ Xtalpi မှ ပေါက်ဖွားခဲ့သည်။

အနှောင့်အယှက်ဖြစ်စေတယ်။

AI-ပထမဆေးရှာဖွေတွေ့ရှိမှု၏ လက်တွေ့အကျဆုံးအသုံးချမှုမှာ Remdesivir ဟုခေါ်သော ဗိုင်းရပ်စ်တိုက်ဖျက်ဆေးတစ်မျိုးဖြစ်သည့် COVID-19 အတွက် ပထမဆုံးကုထုံးအတွက် တီထွင်ဖန်တီးမှုဖြစ်နိုင်သည်။ AI ကိုအသုံးပြု၍ ကယ်လီဖိုးနီးယားရှိ ဇီဝနည်းပညာကုမ္ပဏီတစ်ခုဖြစ်သည့် Gilead Sciences မှ သုတေသီများက ဗိုင်းရပ်စ်အတွက် ဖြစ်နိုင်ခြေရှိသော ကုသမှုတစ်ခုအဖြစ် ကနဦးဖော်ထုတ်ခဲ့သည်။ ကုမ္ပဏီသည် အများသူငှာရရှိနိုင်သည့် DNA အမျိုးအနွယ်များအားလုံးတွင် အချက်အလက်များပါရှိသော GenBank ဒေတာဘေ့စ်မှ အချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာရန် အယ်လဂိုရီသမ်ကို အသုံးပြုခဲ့သည်။

ဤအယ်လဂိုရီသမ်သည် ဓာတ်ခွဲခန်းပန်းကန်တစ်ခုတွင် COVID-19 ဗိုင်းရပ်စ်ကို ပေါင်းစပ်ပြီး စမ်းသပ်ထားသည့် ဖြစ်နိုင်ခြေရှိသော ကိုယ်စားလှယ်လောင်းနှစ်ဦးကို ဖော်ထုတ်ခဲ့သည်။ ကိုယ်စားလှယ်လောင်းနှစ်ဦးစလုံးသည် ဗိုင်းရပ်စ်ကို ထိရောက်စွာ တိုက်ဖျက်နိုင်ကြောင်း တွေ့ရှိခဲ့သည်။ ထို့နောက် အဆိုပါ ကိုယ်စားလှယ်လောင်းများထဲမှ တစ်ဦးကို တိရစ္ဆာန်များနှင့် လူသားများတွင် စမ်းသပ်မှုများ ပြုလုပ်ရန် ထပ်မံရွေးချယ်ခဲ့သည်။ Remdesivir သည် နောက်ဆုံးတွင် ဘေးကင်းပြီး ထိရောက်မှုရှိကြောင်း တွေ့ရှိရပြီး US Food and Drug Administration (FDA) မှ အသုံးပြုရန် အတည်ပြုထားသည်။

ထိုအချိန်မှစ၍ ကုမ္ပဏီများနှင့် အဖွဲ့အစည်းများသည် AI စနစ်များကို အသုံးပြု၍ COVID-19 ကုသမှုများကို ရှာဖွေရန် ပူးပေါင်းဆောင်ရွက်ခဲ့ကြသည်။ 2021 ခုနှစ်တွင် ကုမ္ပဏီ 10 ခုသည် ပိုမိုကောင်းမွန်သော ဦးဆောင်မှုများကို အကဲဖြတ်ခြင်းဖြင့် IMPECCABLE (Covid Cure for Integrated Modeling PipelinE) ကို ဖန်တီးရန် အတူတကွ ပေါင်းစည်းခဲ့သည်။ ဤအဖွဲ့အစည်းများတွင် Rutgers တက္ကသိုလ်၊ University College London၊ US Department of Energy၊ Leibniz Supercomputing Center နှင့် NVIDIA Corporation တို့ ပါဝင်သည်။

ပရောဂျက်သည် လက်ရှိနည်းလမ်းများထက် အဆ 19 အလားအလာရှိသော COVID-50,000 မူးယစ်ဆေးဝါး ကိုယ်စားလှယ်လောင်းများကို အမြန်ခြေရာခံရန် ကတိပြုထားသည့် AI သရုပ်ဖော်ပိုက်လိုင်းတစ်ခုဖြစ်သည်။ IMPECCABLE သည် အမျိုးမျိုးသော ဒေတာလုပ်ဆောင်ခြင်းများ၊ ရူပဗေဒအခြေခံ မော်ဒယ်လ်နှင့် သရုပ်ဖော်ခြင်းတို့ကို ပေါင်းစပ်ကာ ဒေတာတွင် ပုံစံများကို အသုံးပြုသည့် AI တစ်ခုကို ဖန်တီးရန် ML နည်းပညာများကို ပေါင်းစပ်ထားသည်။ သိပ္ပံပညာရှင်များသည် ၎င်းတို့၏အသိပညာကိုအခြေခံ၍ မော်လီကျူးများကို ဂရုတစိုက်တွေးတောပြီး ဖွံ့ဖြိုးတိုးတက်စေသည့် သာမာန်နည်းလမ်းနှင့်မတူဘဲ၊ ဤပိုက်လိုင်းသည် သုတေသီများအား ဓာတုပစ္စည်းအများအပြားကို အလိုအလျောက်စစ်ဆေးနိုင်စေပြီး ဖြစ်နိုင်ခြေရှိသော ကိုယ်စားလှယ်လောင်းကို ရှာဖွေရန် ဖြစ်နိုင်ခြေကို သိသိသာသာ တိုးမြင့်စေသည်။

AI ၏ပထမဆုံးဆေးဝါးရှာဖွေတွေ့ရှိမှု၏သက်ရောက်မှုများ

AI-ပထမအကြိမ် မူးယစ်ဆေးဝါးရှာဖွေတွေ့ရှိမှုနည်းလမ်းများကို စက်မှုလုပ်ငန်းတွင် လက်ခံကျင့်သုံးခြင်း၏ ပိုမိုကျယ်ပြန့်သောသက်ရောက်မှုများ ပါဝင်နိုင်သည်- 

• အစောပိုင်း အသက်မွေးဝမ်းကျောင်း ဓာတုဗေဒပညာရှင်များ ကိုင်တွယ်ဆောင်ရွက်သည့် လုပ်ငန်းတာဝန်များကို AI ပလပ်ဖောင်းများသည် ကျွမ်းကျင်မှုအသစ်များရယူရန် သို့မဟုတ် အသက်မွေးဝမ်းကြောင်းလမ်းကြောင်းပြောင်းရန် လိုအပ်သည်ဟု ယူဆသည့် AI ပလပ်ဖောင်းများ။
• ကျယ်ပြန့်သော မျိုးရိုးဗီဇ၊ ရောဂါနှင့် ကုသမှုဆိုင်ရာ အချက်အလက်များကို ရှာဖွေရန်အတွက် စက်ရုပ်သိပ္ပံပညာရှင်များကို ဆေးဝါးကုမ္မဏီကြီးများက ခန့်အပ်ထားပြီး ကုထုံးဖွံ့ဖြိုးတိုးတက်မှုကို အရှိန်မြှင့်ပေးသည်။
• AI-အကူအညီပေးသည့် ဆေးဝါးရှာဖွေတွေ့ရှိမှုအတွက် ဇီဝနည်းပညာစတင်တည်ထောင်သူများနှင့် တည်ထောင်ထားသော ဆေးကုမ္ပဏီများအကြား မိတ်ဖက်များ တိုးလာခြင်းကြောင့် ကျန်းမာရေးစောင့်ရှောက်မှုဌာနများမှ ရင်းနှီးမြှုပ်နှံမှုများ ပိုမိုရရှိလာပါသည်။
• အထူးသဖြင့် သာမန်မဟုတ်သော autoimmune ချို့ယွင်းသူများ၊ ထူးခြားသော ဇီဝလက္ခဏာများရှိသည့် လူတစ်ဦးချင်းစီအတွက် အံဝင်ခွင်ကျဖြစ်သော ဆေးဝါးကုသမှုများ ပံ့ပိုးပေးသည်။
• ဆေးဝါးရှာဖွေတွေ့ရှိမှုတွင် AI ၏ ဉာဏပစ္စည်းမူပိုင်ခွင့်ဆိုင်ရာ စည်းမျဉ်းစည်းကမ်းများနှင့် ပတ်သက်၍ ပြင်းထန်သော ဆွေးနွေးမှုများနှင့် ဆေးဝါးကဏ္ဍရှိ AI ဆိုင်ရာ အမှားအယွင်းများအတွက် တာဝန်ခံမှု။
• ကျန်းမာရေးစောင့်ရှောက်မှုလုပ်ငန်းသည် ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှုတွင် သိသာထင်ရှားသော ကုန်ကျစရိတ်များ လျှော့ချခြင်းကို ကြုံတွေ့နေရပြီး စားသုံးသူများအတွက် ဆေးဝါးစျေးနှုန်းများ ပိုမိုတတ်နိုင်စေသည်။
• တိုင်းရင်းဆေးဝါးအသိပညာထက် ဒေတာသိပ္ပံနှင့် AI ကျွမ်းကျင်မှုများကို အလေးပေးခြင်းဖြင့် ဆေးဝါးကဏ္ဍတွင် အလုပ်အကိုင် အပြောင်းအလဲများ ရွေ့လျားလာသည်။
• အထူးသဖြင့် ဖွံ့ဖြိုးဆဲနိုင်ငံများတွင် ပိုမိုမြန်ဆန်ပြီး ထိရောက်သော ဆေးဝါးရှာဖွေမှု လုပ်ငန်းစဉ်များကြောင့် ပိုမိုကောင်းမွန်သော ကမ္ဘာ့ကျန်းမာရေး ရလဒ်များအတွက် အလားအလာရှိသည်။
• အစိုးရများသည် AI မှရှာဖွေတွေ့ရှိထားသောဆေးဝါးများကို သာတူညီမျှဝင်ရောက်ခွင့်ရရှိစေရန်၊ လက်ဝါးကြီးအုပ်မှုများကို တားဆီးကာ ပိုမိုကျယ်ပြန့်သောကျန်းမာရေးအကျိုးကျေးဇူးများရရှိစေရေးအတွက် မူဝါဒများချမှတ်နိုင်သည် ။
• AI ဖြင့် မောင်းနှင်သော ဆေးဝါးရှာဖွေတွေ့ရှိမှုသည် အရင်းအမြစ်များ အထူးပြုဓာတ်ခွဲခန်းစမ်းသပ်မှုများနှင့် စမ်းသပ်မှုများပြုလုပ်ရန် လိုအပ်မှုကို လျော့နည်းစေသောကြောင့် သဘာဝပတ်ဝန်းကျင်ဆိုင်ရာ သက်ရောက်မှုများ လျော့နည်းစေသည်။

စဉ်းစားရန်မေးခွန်းများ

• AI ၏ပထမဆုံးဆေးဝါးရှာဖွေတွေ့ရှိမှုသည် ကျန်းမာရေးစောင့်ရှောက်မှုကို ပြောင်းလဲစေမည်ဟု သင်မည်ကဲ့သို့ထင်မြင်သနည်း။
• အထူးသဖြင့် စျေးနှုန်းနှင့် သုံးစွဲနိုင်မှုတို့ကို AI ၏ ပထမဆုံး မူးယစ်ဆေးဝါး ဖွံ့ဖြိုးတိုးတက်မှုကို ထိန်းချုပ်ရန် အစိုးရများက ဘာလုပ်နိုင်သနည်း။