هوش مصنوعی داروهایی را پیش‌بینی می‌کند که مصرف آنها بی‌خطر است

به گزارش علمی نیوز و به نقل از Psychology Today، یک پیشرفت هیجان انگیز در مراقبت های بهداشتی دیجیتال، استفاده از یادگیری ماشینی هوش مصنوعی (AI) به عنوان یک ابزار پیش بینی برای نتایج بهتر بیماران است. مطالعه جدیدی که توسط موسسه فناوری ماساچوست (MIT)، بیمارستان بریگام و زنان در دانشکده پزشکی هاروارد، دانشگاه دوک و همکاران تحقیقاتی آنها در Nature Biomedical Engineering منتشر شده است ، نشان می‌دهد که چگونه هوش مصنوعی می‌تواند پیش‌بینی کند که کدام داروها می‌توانند با اثربخشی داروی دیگر تداخل داشته باشند.

بر اساس داده‌های سال 2021 استاتیستا، داروهای تجویزی برای درمان سلامت روان، همراه با مسکن‌ها و داروهای ضد فشار خون، در میان کلاس‌های دارویی پیشرو در ایالات متحده هستند. کل نسخه های دارویی در ایالات متحده به طور قابل توجهی از حدود 3.95 میلیارد در سال 2009 به 6.7 میلیارد در سال 2022 افزایش یافت و طبق آمار Statista، تا سال 2025، حدود 4.38 میلیارد نسخه خرده فروشی تکمیل خواهد شد.

برای درک پتانسیل هوش مصنوعی در پیش‌بینی داروهایی که نباید همزمان تجویز شوند، تیم ابتدا باید ناقلین دارو را شناسایی می‌کرد. در فارماکوکینتیک، مطالعه جذب، توزیع، متابولیسم، دفع و سمیت دارو ، ناقل‌کننده‌های دارو پروتئین‌های غشایی هستند که داروها را قادر به نفوذ به موانع می‌کنند.

اگر فردی دو یا چند دارو مصرف می کند و یکی از داروها از همان ناقل دارو استفاده می کند، این می تواند بر نتایج بیمار تأثیر منفی بگذارد. بسیاری از مردم در آمریکای شمالی از یک یا چند داروی تجویزی استفاده می کنند، بنابراین دانستن اینکه چه داروهایی باعث کاهش یا مسدود کردن داروهای دیگر می شوند، اطلاعات مهمی برای بیماران و ارائه دهندگان مراقبت های بهداشتی است. بر اساس گزارش مرکز کنترل و پیشگیری از بیماری ایالات متحده (CDC) در سال 2021، تخمین زده می شود که 60٪ از بزرگسالان آمریکایی حداقل یک داروی تجویزی و 36٪ سه یا بیشتر از آنها مصرف کنند. CDC گزارش می دهد که 65٪ از کانادایی های بین سنین 40 تا 79 سال یک یا چند داروی تجویزی را در سال 2019 مصرف کرده اند.

در این مطالعه جدید، محققان سه ناقل رایج دارو را برای هدایت دارو از طریق پوشش روده دستگاه گوارش انتخاب کردند، یک توانایی ضروری برای دارویی که به صورت خوراکی تجویز می شود. این ناقل ها پروتئین مقاوم به سرطان پستان (BCRP)، پروتئین 2 مرتبط با مقاومت چند دارویی (MRP2) و P-گلیکوپروتئین (Pgp) هستند.

رایج ترین روش تحویل دارو به صورت خوراکی و از طریق دهان است و هدف اولیه معمولاً روده کوچک است. برای اندازه‌گیری میزان جذب دارو، محققان یک سیستم کشت بافت کامل - که از بافت روده کوچک خوک‌های آزمایشگاهی ایجاد شده بود - که در مطالعه قبلی ایجاد شده بود، اقتباس کردند. اسید ریبونوکلئیک مداخله گر کوچک (siRNA) RNA های غیر کد کننده ای هستند که می توانند در بیان ژن تداخل داشته باشند . محققان از siRNA برای تعدیل بیان ناقل دارو در مدل بافتی استفاده کردند تا چگونگی تعامل بین ناقلان مختلف دارو را دریابند.

این تیم حامل‌های دارو را برای بیش از 20 دارو پیدا کردند و از این داده‌ها به همراه داده‌های پایگاه‌های داده داروهای خارجی برای آموزش یک مدل یادگیری ماشینی هوش مصنوعی استفاده کردند که می‌تواند داروهایی را پیش‌بینی کند که با برخی از انتقال‌دهنده‌های دارو تداخل دارند. مدل هوش مصنوعی تداخلات دارویی بالقوه را از مجموعه داده جدیدی از داروهای موجود و داروهای آزمایشی پیش‌بینی کرد.

محققان گزارش دادند: «برای 28 داروی بالینی و 22 داروی تحقیقاتی، این مدل 58 تداخل ناشناخته دارو-ناقل کننده را شناسایی کرد که 7 مورد از آن ها (از 8 مورد آزمایش شده) با اندازه گیری های دارویی-فارماکوکینتیک در موش ها مطابقت داشت.

محققان پیش‌بینی‌های هوش مصنوعی را برای یک داروی قلبی مورد استفاده برای درمان ضربان قلب نامنظم و نارسایی قلبی به نام دیگوکسین، یک داروی سرکوب‌کننده سیستم ایمنی به نام تاکرولیموس، یک داروی رقیق‌کننده خون به نام وارفارین و یک داروی ضد صرع به نام لوتیراستام در برابر آنتی‌بیوتیک تتراسایکلین با طیف وسیع مورد استفاده قرار دادند. برای درمان یا پیشگیری از عفونت هایی به نام داکسی سایکلین. به گفته محققان، داده های فارماکولوژیک بیماران بیمارستانی در بیمارستان عمومی ماساچوست و بریگام و بیمارستان زنان، پیش بینی های مدل هوش مصنوعی را تایید کردند.

محققان می گویند که مدل هوش مصنوعی ممکن است با ارائه اطلاعات ایمنی کلیدی در مورد تداخلات دارویی مضر، چرخه توسعه دارو را کوتاه کند. استفاده از یادگیری ماشینی هوش مصنوعی در کشف دارو، امید به نتایج بهتر بیماران را در آینده می دهد.