Ny AI-teknologi kan hjælpe med at opdage terapeutiske midler til neurodegenerative sygdomme

Ny AI-teknologi kan hjælpe med at opdage terapeutiske midler til neurodegenerative sygdomme

En forskergruppe ved Nagoya University i Japan har udviklet en kunstig intelligens til at analysere cellebilleder, som bruger maskinlæring til at forudsige lægemidlers terapeutiske virkning. Denne nye teknologi, kaldet i silico FOCUS, kunne hjælpe med at opdage terapeutiske midler til neurodegenerative sygdomme såsom Kennedys sygdom.

Nuværende behandlinger for neurodegenerative sygdomme har ofte alvorlige bivirkninger, herunder seksuel dysfunktion og blokering af muskelvævsdannelse. Forskere, der leder efter nye, mindre skadelige behandlinger er dog blevet hæmmet af manglen på effektive screeningsteknologier til at afgøre, om et lægemiddel er effektivt. Et lovende koncept er det "anomale diskriminationskoncept", hvilket betyder, at neuroner, der reagerer på behandling, har subtile forskelle i form sammenlignet med dem, der ikke gør. Disse subtile forskelle er dog svære at se med det blotte øje. Nuværende computerteknologier er også for langsomme til at udføre analysen.

En gruppe professorer fra Nagoya University ledet af lektor Ryuji Kato og adjunkt Kei Kanie fra Graduate School of Pharmaceutical Sciences og professor Masahisa Katsuno og adjunkt Madoka Iida fra Graduate School of Medicine har udviklet en ny kunstig intelligens-teknologi kaldet udviklet i silico FOCUS. Den analyserer celleformen af ​​modelneuroner og bruger denne information til at vurdere, om de reagerer på terapeutiske lægemidler. De offentliggjorde deres resultater i tidsskriftet Scientific Reports.

Forskerne testede AI på en model af celler behandlet for Kennedys sygdom, en neurodegenerativ sygdom, der fører til motorneuroners død. in silico FOCUS skabte en robust billedbaseret klassifikationsmodel, der demonstrerede 100 % nøjagtighed ved identifikation af genopretningstilstanden af ​​modelceller.

Denne teknologi muliggør en meget følsom og robust vurdering af virkningerne af terapeutiske midler ved at analysere ændringer i formen af ​​syge modelceller i forhold til dem af raske celler, som vi normalt ikke ville være i stand til at skelne. Dette er en højeffektiv screeningsteknologi, der kan forudsige lægemiddeleffektivitet ved blot at indhente billeder, hvilket reducerer den tid, der kræves til at analysere og evaluere lægemiddeleffektiviteten fra flere timer med flere hundrede tusinde celler til blot et par minutter. Det muliggør meget nøjagtig forudsigelse af terapeutiske effekter uden komplicerede og invasive eksperimenter."

Ryuji Kato, lektor, Nagoya University

Kato konkluderer: "Disse resultater tyder på muligheden for at accelerere udviklingen af ​​nye lægemidler, og vi forventer, at de vil blive brugt i vid udstrækning til at opdage terapeutiske lægemidler til svære at opdage sygdomme."

Denne forskning blev støttet af FY2019 Nagoya University NU Cross-Departmental Innovation Creation Project.

Kilde:

Nagoya Universitet