Jaunā AI tehnoloģija var palīdzēt atklāt neirodeģeneratīvo slimību terapijas līdzekļus

Jaunā AI tehnoloģija var palīdzēt atklāt neirodeģeneratīvo slimību terapijas līdzekļus

Pētniecības grupa Nagojas universitātē Japānā ir izstrādājusi mākslīgo intelektu šūnu attēlu analīzei, kas izmanto mašīnmācīšanos, lai prognozētu zāļu terapeitisko iedarbību. Šī jaunā tehnoloģija, ko sauc par in silico FOCUS, varētu palīdzēt atklāt ārstniecības līdzekļus neirodeģeneratīvām slimībām, piemēram, Kenedija slimībai.

Pašreizējām neirodeģeneratīvo slimību ārstēšanas metodēm bieži ir nopietnas blakusparādības, tostarp seksuāla disfunkcija un muskuļu audu veidošanās bloķēšana. Tomēr pētniekus, kas meklē jaunas, mazāk kaitīgas ārstēšanas metodes, kavē efektīvu skrīninga tehnoloģiju trūkums, lai noteiktu, vai zāles ir efektīvas. Viens no daudzsološajiem jēdzieniem ir "anomālās diskriminācijas jēdziens", kas nozīmē, ka neironiem, kas reaģē uz ārstēšanu, ir nelielas formas atšķirības salīdzinājumā ar tiem, kuriem tā nav. Tomēr šīs smalkās atšķirības ir grūti saskatīt ar neapbruņotu aci. Arī pašreizējās datortehnoloģijas ir pārāk lēnas, lai veiktu analīzi.

Nagojas universitātes profesoru grupa, ko vada asociētais profesors Ryuji Kato un docente Kei Kanie no Farmācijas zinātņu augstskolas un profesore Masahisa Katsuno un docente Madoka Iida no Medicīnas augstskolas, ir izstrādājuši jaunu mākslīgā intelekta tehnoloģiju FOCUS, ko sauc par mākslīgo intelektu. Tā analizē modeļa neironu šūnu formu un izmanto šo informāciju, lai novērtētu, vai tie reaģē uz terapeitiskām zālēm. Viņi savus rezultātus publicēja žurnālā Scientific Reports.

Pētnieki pārbaudīja mākslīgo intelektu ar šūnu modeli, kas tika ārstēts ar Kenedija slimību, neirodeģeneratīvu slimību, kas izraisa motoro neironu nāvi. in silico FOCUS izveidoja stabilu uz attēliem balstītu klasifikācijas modeli, kas demonstrēja 100% precizitāti modeļa šūnu atkopšanas stāvokļa identificēšanā.

Šī tehnoloģija nodrošina ļoti jutīgu un stabilu terapeitisko līdzekļu iedarbības novērtēšanu, analizējot izmaiņas slimo modeļu šūnās salīdzinājumā ar veselīgu šūnu formām, kuras mēs parasti nevarētu atšķirt. Šī ir ļoti efektīva skrīninga tehnoloģija, kas var paredzēt zāļu efektivitāti, vienkārši iegūstot attēlus, samazinot zāļu efektivitātes analīzei un novērtēšanai nepieciešamo laiku no vairākām stundām ar vairākiem simtiem tūkstošu šūnu līdz tikai dažām minūtēm. Tas ļauj ļoti precīzi prognozēt terapeitisko efektu bez sarežģītiem un invazīviem eksperimentiem.

Ryuji Kato, Nagojas universitātes asociētais profesors

Kato secina: "Šie rezultāti liecina par iespēju paātrināt jaunu zāļu izstrādi, un mēs sagaidām, ka tās plaši izmantos, lai atklātu terapeitiskas zāles grūti atklājamām slimībām."

Šo pētījumu atbalstīja FY2019 Nagojas Universitātes NU starpnozaru inovāciju radīšanas projekts.

Avots:

Nagojas universitāte