Для поиска темы - пользуйтесь СИСТЕМОЙ ПОИСКА


Стоимость дипломной работы


Home Интересно... К разработке лекарств в скором времени могут быть привлечены роботы

К разработке лекарств в скором времени могут быть привлечены роботы
загрузка...
Рейтинг пользователей: / 0
ХудшийЛучший 

К разработке лекарств в скором времени могут быть привлечены роботы

Получить доступ к недавно открытым препаратам – сложный процесс, который требует большого количества времени и сил. Нелегко и получить официальное разрешение на производство лекарств и вакцин. Но разработка команды Университета Карнеги – Меллона (США) может значительно упростить ситуацию, ведь там предлагают использовать специальную роботизированную систему, способную к обучению, которая позволит сократить количество необходимых тестов и испытаний на 70%.

 

Выход нового препарата на коммерческий рынок после его открытия может занимать от нескольких лет до целого десятилетия. Авторам лекарственных разработок необходимо определить все возможные последствия, которые могут возникнуть при употреблении лекарства. Стоит ли говорить, насколько трудоемко и непрактично проводить эксперименты для каждой возможной совокупности биологических условий. Именно для того, чтобы избежать формальных, но необходимых для получения лицензии экспериментов, и пригодится роботизированная система. Система способна на первом этапе проводить определенные эксперименты самостоятельно, используя роботизированный дозатор питательных сред и автоматический микроскоп. Далее на основе полученных первичных данных она может создавать алгоритмические шаблоны и достаточно точно предсказывать результаты оставшихся (по словам авторов, более ⅔) экспериментов, избавляя от необходимости их проведения.

 

Способности робота были проверены на 96 препаратах, предположительно испытываемых на 96 клетках млекопитающих с различными флуоресцентно отмеченными белками. В обычной ситуации потребовалось бы вручную провести 9216 экспериментов, проверив все возможные последствия лекарства. Но робот, располагая данными об эффектах каждого препарата и определив фенотипы в 96 образцах, смог с помощью собранных данных создать определенный алгоритм для определения возможного формирования новых фенотипов. Машине потребовалось протестировать порядка 30 образцов, т.е. провести 2697 экспериментов из 9216 возможных, чтобы окончательно сформировать модель для предсказания результатов оставшихся испытаний, степень точности которых составила 92%.

 

Подобные системы еще раз доказывают, что методы машинного обучения являются жизнеспособными и могут использоваться в медицине, оказав огромное влияние на отрасль и упростив выход препаратов за рамки лабораторий. Это также поможет решить целый ряд финансовых вопросов и сделать в будущем препараты, направленные на борьбу с терминальными болезнями вроде рака, более доступными для нуждающихся в них людей.


 
загрузка...

Добавить комментарий


Защитный код
Обновить