Всё о медицинской индустрии и цифровизации здравоохранения — от частных клиник и MedTech до ИИ в медицине.
ИД НОМ idnom.ru
По вопросам сотрудничества @id_nom
Post #3144
1.72K
В Стэнфорде решили разработать лекарство и запустили для этого 37 тыс. ИИ-агентов
♦️В эксперименте попытались решить проблему дороговизны и проблемы с эффективностью при разработке лекарств — 90% процентов лекарств, поступающих на стадию клинических испытаний, так и не выходят на рынок. Многообещающие результаты в лаборатории не подтверждаются на практике, или препарат вызывает опасные побочные эффекты.
В Стэнфорде посчитали, что проблема может крыться в недостаточной систематизированности медицинских данных при разработке, поэтому создали эдакое «виртуальное» фармацевтическое подразделение из 37 тыс. агентов. Система включает в себя виртуального главного научного сотрудника (ГНО), принимающего запрос от пользователя и затем делегирующего задачи остальным агентам.
Они, в свою очередь, оснащены собственными базами данных и инструментами и разделены на четыре подразделения с конкретными целями:
🔵Поиск и подтверждение мишеней для лекарственных препаратов.
🔵Оценка рисков для безопасности.
🔵Выбор способа доставки препарата.
🔵Анализ существующих данных клинических испытаний.
При помощи агентов оценили данные о результатах клинических испытаний и нашли закономерность в отношении того, какие препараты имеют больший шанс выйти на рынок. После этого система нашла новый способ терапии рака лёгких, связанного с особым белком. Через полгода другая компания пришла к такому же решению.
Это показывает, что система эффективна как минимум в деле определения мишеней для лекарственных препаратов. Использование армии ИИ-агентов для ускорения разработки лекарств может выглядеть любопытным направлением, но про ресурсы и траты на такое удовольствие нам честно ещё никто не рассказал.
💉 Медкарта в Telegram | в MAX
♦️В эксперименте попытались решить проблему дороговизны и проблемы с эффективностью при разработке лекарств — 90% процентов лекарств, поступающих на стадию клинических испытаний, так и не выходят на рынок. Многообещающие результаты в лаборатории не подтверждаются на практике, или препарат вызывает опасные побочные эффекты.
В Стэнфорде посчитали, что проблема может крыться в недостаточной систематизированности медицинских данных при разработке, поэтому создали эдакое «виртуальное» фармацевтическое подразделение из 37 тыс. агентов. Система включает в себя виртуального главного научного сотрудника (ГНО), принимающего запрос от пользователя и затем делегирующего задачи остальным агентам.
Они, в свою очередь, оснащены собственными базами данных и инструментами и разделены на четыре подразделения с конкретными целями:
🔵Поиск и подтверждение мишеней для лекарственных препаратов.
🔵Оценка рисков для безопасности.
🔵Выбор способа доставки препарата.
🔵Анализ существующих данных клинических испытаний.
При помощи агентов оценили данные о результатах клинических испытаний и нашли закономерность в отношении того, какие препараты имеют больший шанс выйти на рынок. После этого система нашла новый способ терапии рака лёгких, связанного с особым белком. Через полгода другая компания пришла к такому же решению.
Это показывает, что система эффективна как минимум в деле определения мишеней для лекарственных препаратов. Использование армии ИИ-агентов для ускорения разработки лекарств может выглядеть любопытным направлением, но про ресурсы и траты на такое удовольствие нам честно ещё никто не рассказал.
💉 Медкарта в Telegram | в MAX









