Potencjał sztucznej inteligencji w odkrywaniu leków i jej wpływ na opiekę zdrowotną

Odkrywanie nowych leków zawsze było trudnym i kosztownym procesem. Wiąże się to z długimi ramami czasowymi i znacznymi kosztami, które od dawna uwypuklają potrzebę reform w tej krytycznej dziedzinie. Pomimo wcześniejszych wysiłków mających na celu przyspieszenie odkrywania leków za pomocą metod obliczeniowych, postęp jest nadal ograniczony.

Sztuczna inteligencja (AI) okazała się ekscytującym rozwiązaniem, które wykazuje ogromny potencjał zrewolucjonizowania sztucznej inteligencji w odkrywaniu i opracowywaniu leków. Sztuczna inteligencja ułatwia identyfikację optymalnych kandydatów na leki, zapewnia niespotykany dotąd wgląd w różne choroby i skutecznie zarządza obszernymi zbiorami danych pacjentów. Możliwości te napędzają transformacyjne zmiany w całym krajobrazie farmaceutycznym.

Według McKinsey włączenie możliwości sztucznej inteligencji do strategii dotyczących dużych zbiorów danych może potencjalnie wygenerować roczną wartość do 100 miliardów dolarów w amerykańskim systemie opieki zdrowotnej. Obejmuje to wykorzystanie modelowania predykcyjnego i przeprowadzenie kompleksowej analizy danych z czujników.

Co więcej, wspólne przedsięwzięcie badawcze przeprowadzone przez Uniwersytet Carnegie Mellon i znaną niemiecką instytucję wykazało, że sztuczna inteligencja w odkrywaniu leków znacznie zmniejsza wydatki na odkrywanie leków. Współpraca ta sugeruje, że firmy mogłyby potencjalnie obniżyć swoje koszty nawet o 70% . Dlatego w tym artykule omówimy siłę sztucznej inteligencji w odkrywaniu i opracowywaniu leków oraz to, jak te zaawansowane techniki sztucznej inteligencji rewolucjonizują opiekę zdrowotną .

Rola sztucznej inteligencji w odkrywaniu i opracowywaniu leków

Badania nad odkrywaniem leków skupiają się na znalezieniu leków, które skutecznie leczą określone choroby, pozytywnie wpływając na organizm. Naukowcy tradycyjnie przeprowadzają dokładne przeszukiwanie bibliotek molekularnych w celu zidentyfikowania cząsteczki, która może wiązać się z cząsteczką docelową, w szczególności z białkiem powiązanym z konkretną chorobą. Następnie te zidentyfikowane cząsteczki przechodzą wiele rund testów w celu udoskonalenia ich w potencjalnych kandydatów na leki.

Najnowsze trendy wskazują na rosnącą akceptację racjonalnych, opartych na strukturze metod projektowania leków. Podejścia te, pomijając wstępne etapy badań przesiewowych, nadal wymagają od chemików podjęcia się projektowania, syntezy i oceny wielu związków w celu zidentyfikowania potencjalnych nowych leków.

Wyzwanie polega na niepewności, które struktury chemiczne mają pożądane skutki biologiczne i właściwości niezbędne do skutecznego działania leku. W rezultacie rafinacja obiecującego związku w realnego kandydata na lek staje się procesem wymagającym dużych zasobów i czasu. Aktualne dane wskazują, że wprowadzenie nowego leku na rynek kosztuje obecnie około 2,6 miliarda dolarów .

Co więcej, nawet jeśli nowy lek okaże się obiecujący w testach laboratoryjnych, może napotkać przeszkody na całej fazie badania klinicznego. Badania fazy I tych kandydatów na leki wykazały, że 9,6% z nich skutecznie trafia na rynek.

Możliwości przetwarzania danych w systemach AI zyskały znaczną uwagę ze względu na stojące przed nimi wyzwania. Eksperci przewidują, że sztuczna inteligencja do odkrywania leków może przyspieszyć proces i obniżyć koszty, pełniąc rolę katalizatora. Firma badawcza Bekryl prognozuje, że dzięki integracji sztucznej inteligencji potencjalne oszczędności w procesie odkrywania leków do 2028 r. przekroczą 70 miliardów dolarów .

Korzyści ze sztucznej inteligencji w odkrywaniu leków

Zastosowanie sztucznej inteligencji w odkrywaniu leków ma kilka kluczowych zalet dla przemysłu farmaceutycznego:

Przyspieszony rozwój leków

Dzięki wprowadzeniu sztucznej inteligencji do odkrywania i opracowywania leków proces identyfikowania potencjalnych celów leków może zostać znacznie przyspieszony. Dzięki zastosowaniu algorytmów uczenia maszynowego można szybko analizować obszerne zbiory danych, co pozwala na szybkie odkrycie potencjalnych kandydatów na leki. To przyspieszenie usprawnia proces odkrywania potencjalnych klientów, ostatecznie oszczędzając cenny czas i zasoby badaczy i firm farmaceutycznych.

Bardziej skuteczne leki

Sztuczna inteligencja w odkrywaniu i opracowywaniu leków odgrywa zasadniczą rolę w przewidywaniu właściwości farmakologicznych cząsteczek ołowiu na podstawie ich struktury chemicznej, dzięki czemu opracowywanie leków jest bardziej skuteczne. Dzięki zastosowaniu algorytmów uczenia maszynowego badacze mogą tworzyć modele predykcyjne , które szacują kluczowe właściwości, takie jak rozpuszczalność, biodostępność i toksyczność. Modele te służą następnie do projektowania nowych cząsteczek o ulepszonych właściwościach farmakologicznych, zwiększając skuteczność i bezpieczeństwo potencjalnych kandydatów na leki.

Ulepszony projekt badania klinicznego

Sztuczna inteligencja odgrywa znaczącą rolę w ulepszaniu projektowania badań klinicznych. Analizując elektroniczną dokumentację medyczną i dane pacjentów, sztuczna inteligencja usprawnia rekrutację pacjentów, skuteczniej identyfikując odpowiednich kandydatów. Co więcej, sztuczna inteligencja pomaga w optymalizacji projektów badań poprzez identyfikację podgrup pacjentów, którzy z większym prawdopodobieństwem pozytywnie zareagują na określone metody leczenia. Wykorzystanie urządzeń przenośnych napędzanych sztuczną inteligencją umożliwia monitorowanie w czasie rzeczywistym, zapewniając precyzyjne gromadzenie danych i niezbędne korekty protokołów badań w celu zwiększenia bezpieczeństwa pacjentów. Ponadto algorytmy sztucznej inteligencji ułatwiają solidną analizę danych, oferując cenne spostrzeżenia dla przyszłych badań i praktyk klinicznych.

Przewidywanie bioaktywności leków

Sztuczna inteligencja w odkrywaniu i opracowywaniu leków zrewolucjonizowała przewidywanie bioaktywności leków. Naukowcy wykorzystują obecnie sztuczną inteligencję do przewidywania bioaktywności różnych związków przy użyciu technik takich jak modelowanie ilościowej zależności struktura-aktywność (QSAR) i dokowanie molekularne.

Metody te analizują strukturę chemiczną związków i ich interakcje z białkami docelowymi, co prowadzi do dokładniejszych przewidywań ich aktywności biologicznej. Wykorzystując techniki głębokiego uczenia się, sztuczna inteligencja odkrywa skomplikowane wzorce i zależności w ogromnych zbiorach danych, umożliwiając precyzyjne przewidywanie bioaktywności nieprzetestowanych związków.

Zapewnienie jakości

Sztuczna inteligencja do odkrywania leków odgrywa kluczową rolę w zwiększaniu dokładności i wydajności różnych procesów zapewniania jakości w dziedzinie kontroli jakości leków. Wykorzystując algorytmy widzenia komputerowego do automatycznej kontroli, sztuczna inteligencja pomaga w identyfikowaniu defektów, zanieczyszczeń i niespójności w opakowaniach. Dzięki temu leki spełniają rygorystyczne standardy jakości.

Co więcej, algorytmy sztucznej inteligencji analizują dane z czujników ze sprzętu produkcyjnego, umożliwiając podjęcie działań w zakresie konserwacji predykcyjnej, aby zapobiec awariom sprzętu i zminimalizować przestoje produkcyjne. Sztuczna inteligencja pomaga również w wykrywaniu oszustw, analizując dane dotyczące sprzedaży i dystrybucji w celu identyfikacji podejrzanych wzorców, zapewniając w ten sposób integralność i bezpieczeństwo kanałów dystrybucji leków.

Zmiana przeznaczenia leku

Sztuczna inteligencja oferuje obiecujące podejście do odkrywania nowych zastosowań terapeutycznych istniejących leków. Nie tylko znacznie skraca to czas i koszty związane z opracowywaniem tradycyjnych leków, ale także pozwala na identyfikację potencjalnych nowych zastosowań ustalonych leków.

Analizując obszerne zbiory danych zawierające informacje o lekach i chorobach, algorytmy sztucznej inteligencji mogą ujawniać wzorce i zależności, co prowadzi do eksploracji nowych możliwości terapeutycznych. Co więcej, farmakologia sieciowa oparta na sztucznej inteligencji umożliwia badanie skomplikowanych interakcji między lekami, celami i chorobami, odblokowując dalszy potencjał istniejących leków.

Analiza kombinacji leków

Solidne możliwości analityczne sztucznej inteligencji odgrywają kluczową rolę w badaniu złożonych chorób, które mogą wymagać stosowania wielu leków. Przewidując wspólne efekty i określając optymalną dawkę różnych kombinacji leków, sztuczna inteligencja przyczynia się do opracowania skuteczniejszych strategii leczenia.

Ponadto sztuczna inteligencja pomaga w dostosowywaniu kombinacji leków dla poszczególnych pacjentów, biorąc pod uwagę ich cechy genetyczne i molekularne, co ostatecznie zwiększa skuteczność leczenia i wyniki pacjentów .

Stratyfikacja pacjentów

Odkrywanie leków w oparciu o sztuczną inteligencję okazuje się cennym narzędziem do klasyfikacji pacjentów. Pomaga zidentyfikować określone grupy pacjentów o podobnych profilach i cechach chorobowych. Dzięki wykorzystaniu modelowania predykcyjnego i identyfikacji biomarkerów sztuczna inteligencja umożliwia podmiotom świadczącym opiekę zdrowotną personalizację podejść terapeutycznych, co prowadzi do wyższego wskaźnika powodzenia w opracowywaniu leków i ostatecznie do poprawy wyników leczenia pacjentów.

Zastosowania AI w odkrywaniu leków

Oto niektóre zastosowania sztucznej inteligencji w odkrywaniu leków, dzięki którym procesy są prostsze niż tradycyjne metody.

Wybór celu i walidacja

Odkrywanie leków w oparciu o sztuczną inteligencję upraszcza proces znajdowania i potwierdzania potencjalnych celów molekularnych poprzez analizę różnych zbiorów danych, w tym banków informacji o lekach i bibliotek publicznych. Dzięki wykorzystaniu głębokiego autoenkodera, algorytmów ulgi i klasyfikacji binarnej odkrywanie leków w oparciu o sztuczną inteligencję skutecznie ustala priorytety tych celów. Ponadto platformy AI wykorzystują sieci splotowo-grafowe i modele widzenia komputerowego szkolone na danych z mikroskopu krio-EM w celu zrozumienia struktur białkowych.

Złożone badanie przesiewowe i optymalizacja leadów

W dziedzinie badań przesiewowych związków wykorzystanie wirtualnego przesiewania opartego na sztucznej inteligencji umożliwia skuteczną identyfikację potencjalnych cząsteczek wiodących na podstawie obszernych baz danych związków. AI Retrosynthesis Pathway Prediction, zautomatyzowane podejście do syntez chemicznych, znacznie usprawnia proces planowania syntezy chemicznej. Co więcej, modele odkrywania leków oparte na sztucznej inteligencji odgrywają kluczową rolę w klasyfikacji celów komórkowych i ułatwiają inteligentne sortowanie komórek aktywowane obrazem, co skutkuje bardziej wydajną separacją komórek.

Badania przedkliniczne

Sztuczna inteligencja odgrywa kluczową rolę w molekularnych mechanizmach działania i przewidywaniu zależności dawka-odpowiedź w modelowaniu farmakokinetycznym/farmakodynamicznym. Skutecznie usprawnia ocenę toksykologiczną za pomocą algorytmu Deeptox, który dokładnie prognozuje toksyczność związku. Co więcej, algorytmy głębokiego uczenia się wykorzystują dane transkryptomiczne do precyzyjnego przewidywania właściwości farmakologicznych.

Badania kliniczne

Narzędzia sztucznej inteligencji odgrywają zasadniczą rolę w badaniach klinicznych, ponieważ poprawiają kilka kluczowych aspektów. Przyczyniają się do rozpoznawania chorób pacjentów, identyfikowania konkretnych celów genowych i przewidywania skutków molekularnych. Co więcej, aplikacje oparte na sztucznej inteligencji poprawiają przestrzeganie zaleceń lekarskich i umożliwiają monitorowanie oparte na ryzyku, co skutkuje zwiększoną wydajnością i wskaźnikami powodzenia badań klinicznych.

Jak sztuczna inteligencja do odkrywania leków monitoruje bezpieczeństwo po wprowadzeniu na rynek

W dziedzinie monitorowania bezpieczeństwa leków po wprowadzeniu do obrotu kluczowym narzędziem okazała się sztuczna inteligencja (AI). Umożliwia ciągłą ocenę bezpieczeństwa leku po zatwierdzeniu przez organy regulacyjne i powszechnym stosowaniu przez pacjentów. Odkrywanie leków w oparciu o sztuczną inteligencję odgrywa znaczącą rolę w monitorowaniu bezpieczeństwa leków po ich wejściu na rynek odkrywania leków ze sztuczną inteligencją. Wiąże się to z realizacją różnych podstawowych funkcji, do których należą:

Wykrywanie sygnału

Algorytmy AI odgrywają kluczową rolę w analizie obszernych archiwów danych pacjentów. Algorytmy te umożliwiają odkrycie potencjalnych sygnałów wskazujących na zdarzenia niepożądane związane z konkretnymi lekami. Możliwość ta odgrywa zasadniczą rolę w identyfikowaniu niezbyt częstych lub nieprzewidzianych skutków ubocznych, które mogły nie być widoczne na początkowych etapach testów klinicznych.

Monitorowanie na żywo

Odkrywanie leków w oparciu o sztuczną inteligencję wykorzystuje dane z elektronicznych kart zdrowia i mediów społecznościowych do monitorowania bezpieczeństwa leków w czasie rzeczywistym. Szybko identyfikuje i sygnalizuje potencjalne zagrożenia związane z bezpieczeństwem, umożliwiając podjęcie w odpowiednim czasie interwencji w celu zapewnienia bezpieczeństwa i dobrego samopoczucia pacjentów.

Przewidywanie ryzyka

Algorytmy AI służą do przewidywania prawdopodobieństwa wystąpienia zdarzeń niepożądanych związanych z konkretnym lekiem. Algorytmy te uwzględniają unikalne cechy pacjenta i inne istotne czynniki. Identyfikując osoby, które są bardziej narażone na negatywne skutki, sztuczna inteligencja umożliwia ukierunkowane interwencje i spersonalizowaną opiekę medyczną, co skutkuje poprawą bezpieczeństwa pacjentów i wyników leczenia.

Interakcje leków

Analizując skomplikowane wzorce i wzajemne powiązania między różnymi lekami, sztuczna inteligencja może prognozować potencjalne interakcje, które mogą skutkować niekorzystnymi skutkami. Ta funkcja umożliwia podmiotom świadczącym opiekę zdrowotną podejmowanie świadomych decyzji dotyczących kombinacji leków, zmniejszając w ten sposób ryzyko szkodliwych interakcji i zwiększając bezpieczeństwo pacjentów.

Przykłady odkrywania leków przez sztuczną inteligencję w świecie rzeczywistym

Sztuczna inteligencja do odkrywania leków doczekała się wielu godnych uwagi studiów przypadków, które podkreślają pomyślne wdrożenie metodologii sztucznej inteligencji. Oto kilka niezwykłych przykładów odkrywania leków przez sztuczną inteligencję:

Odkrycie związku do leczenia raka

Gupta, R. i in. zaprezentowali potencjał sztucznej inteligencji w odkrywaniu nowych związków leczących raka. Zastosowali algorytm głębokiego uczenia się (DL), który został przeszkolony na ogromnym zbiorze danych dotyczących znanych związków nowotworowych, co przyniosło obiecujące wyniki. Dzięki wykorzystaniu możliwości sztucznej inteligencji podejście to skutecznie identyfikuje nieznane wcześniej związki, które są bardzo obiecujące w kontekście przyszłych interwencji terapeutycznych w badaniach nad rakiem.

Identyfikacja inhibitora białka MEK

Niedawno udokumentowano pomyślne wykorzystanie uczenia maszynowego (ML) w identyfikacji inhibitorów białka MEK, kluczowego celu w terapii nowotworów. Odkrycie skutecznych inhibitorów MEK było trudnym zadaniem. Jednak dzięki zastosowaniu algorytmów ML badacze są w stanie skutecznie identyfikować nowe inhibitory, co podkreśla skuteczność podejść opartych na sztucznej inteligencji w pokonywaniu złożonych przeszkód biomedycznych.

Celowanie terapeutyczne w chorobie Alzheimera

Zastosowanie algorytmów uczenia maszynowego (ML) uprościło odkrywanie nowych inhibitorów beta-sekretazy (BACE1), kluczowego białka powiązanego z postępem choroby. To pomyślne włączenie metod sztucznej inteligencji otworzyło nowe możliwości leczenia złożonych zaburzeń neurodegeneracyjnych, podkreślając rolę sztucznej inteligencji w ulepszaniu rozwiązań terapeutycznych w przypadku skomplikowanych problemów zdrowotnych.

Nowe odkrycie antybiotyków

Odkrywanie leków w oparciu o sztuczną inteligencję zwiększyło możliwości identyfikacji nowych antybiotyków. Zaawansowane techniki uczenia maszynowego z powodzeniem zidentyfikowały potencjalnych kandydatów na antybiotyki z ogromnej puli ponad 100 milionów cząsteczek. W rezultacie odkryto silny antybiotyk, który okazał się skuteczny przeciwko różnym lekoopornym szczepom bakterii, w tym gruźlicy. To imponujące osiągnięcie podkreśla kluczową rolę sztucznej inteligencji w zwalczaniu krytycznych globalnych zagrożeń dla zdrowia.

Badania terapeutyczne dotyczące COVID-19

Trwające badania nad zwalczaniem Covid-19 poczyniły znaczne postępy dzięki wykorzystaniu algorytmów ML. Dzięki analizie obszernych zbiorów danych sztuczna inteligencja odegrała kluczową rolę w identyfikacji konkretnych związków do leczenia wirusa. Ten konkretny przypadek użycia pokazuje elastyczność i zdolności adaptacyjne sztucznej inteligencji w reagowaniu na pojawiające się globalne kryzysy zdrowotne, potwierdzając jej niezastąpioną pozycję we współczesnych wysiłkach na rzecz odkrywania leków.

Dzięki naszym najwyższej klasy usługom tworzenia oprogramowania dla sektora medycznego wpłynęliśmy na życie pacjentów na całym świecie.

Wyzwania związane z wykorzystaniem sztucznej inteligencji w odkrywaniu leków

Sztuczna inteligencja ma ogromny potencjał, jeśli chodzi o zrewolucjonizowanie odkrywania leków. Jednak jego powszechną integrację utrudniają krytyczne wyzwania, które zakłócają płynne wdrażanie.

Prywatność danych i zgodność z przepisami:

Wrażliwy charakter danych pacjentów budzi obawy dotyczące prywatności danych i zgodności z przepisami. Niezwykle istotne jest przestrzeganie rygorystycznych przepisów dotyczących ochrony danych, w tym amerykańskiej ustawy o przenośności i odpowiedzialności w ubezpieczeniach zdrowotnych (HIPAA) oraz ogólnego rozporządzenia o ochronie danych Unii Europejskiej (RODO), aby uwzględnić względy etyczne i prawne w odkrywaniu leków w oparciu o sztuczną inteligencję.

Jakość i ilość danych:

Skuteczność sztucznej inteligencji w dużej mierze zależy od dostępności danych wysokiej jakości. Jednak w przypadku odkrywania leków krajobraz danych często stanowi wyzwanie. Charakteryzuje się niedoborem danych, ich zróżnicowanym charakterem i różną jakością. Takie cechy utrudniają systemom AI dokładne analizowanie i modelowanie tych danych.

Koszty i wiedza techniczna

Wdrożenie sztucznej inteligencji w odkrywaniu leków wymaga znacznych inwestycji w zakresie finansów i wiedzy technicznej. Proces obejmuje utworzenie i utrzymanie niezbędnej infrastruktury przy jednoczesnej aktywnej rekrutacji wykwalifikowanych analityków danych i ekspertów AI. Jednakże wymagania te wiążą się ze znacznym zobowiązaniem, co stwarza wyzwanie dla powszechnego przyjęcia.

Interpretowalność i przejrzystość

Złożoność modeli sztucznej inteligencji często stwarza wyzwania pod względem interpretowalności i przejrzystości. Aby zbudować zaufanie, kluczowe staje się zrozumienie mechanizmów leżących u podstaw tych modeli i procesów decyzyjnych. To zrozumienie dodatkowo promuje szersze zastosowanie sztucznej inteligencji w odkrywaniu leków.

Brak standaryzacji

Dziedzina odkrywania leków stoi przed poważnym wyzwaniem ze względu na brak standardowych formatów danych, metodologii gromadzenia i technik analizy. Ten brak standaryzacji utrudnia skuteczne porównywanie badań i zbiorów danych. W rezultacie sztuczna inteligencja napotyka przeszkody w generowaniu spójnych i wiarygodnych prognoz i modeli.

Przyszłość sztucznej inteligencji w odkrywaniu leków

Przemysł farmaceutyczny w coraz większym stopniu wykorzystuje integrację rozwiązań AI, aby złagodzić znaczne obciążenia finansowe i potencjalne niepowodzenia związane z tradycyjnymi metodami wirtualnego badania przesiewowego (VS). O tej zmianie podejścia świadczy niezwykły wzrost rynku sztucznej inteligencji, który gwałtownie wzrósł z 200 mln dolarów w 2015 r. do 700 mln dolarów w 2018 r . Prognozy wskazują na dalszy wzrost do 5 miliardów dolarów do 2024 r., co podkreśla transformacyjny potencjał sztucznej inteligencji w przekształcaniu sektora farmaceutycznego i medycznego . Ten przewidywany wzrost o 40% w latach 2017–2024 podkreśla głęboki wpływ sztucznej inteligencji na te dziedziny.

Wniosek

Integracja sztucznej inteligencji (AI) w procesie odkrywania leków może zrewolucjonizować zarówno przemysł farmaceutyczny, jak i sektor opieki zdrowotnej. Może przyspieszyć opracowywanie leków, ulepszyć projekty badań klinicznych, przewidzieć bioaktywność leków i zapewnić zapewnienie jakości. Będąc najnowocześniejszą firmą zajmującą się rozwojem sztucznej inteligencji , dostarczamy szybsze, opłacalne i wydajne rozwiązania, które katalizują postęp w opiece zdrowotnej i rozwój terapii ratujących życie.

Jeśli chcesz rozwijać swoje oprogramowanie dla branży medycznej przy użyciu zaawansowanych technik AI, skontaktuj się z Appinventiv . Nasz zespół ekspertów specjalizuje się w dostarczaniu niestandardowych rozwiązań, które rewolucjonizują branżę opieki zdrowotnej. Rozpocznij z nami swoją podróż!

Często zadawane pytania

P. Jak sztuczna inteligencja zmienia odkrywanie leków?

O. Sztuczna inteligencja zmienia odkrywanie leków, przyspieszając wyszukiwanie potencjalnych leków. Ponadto sprawia, że ​​spersonalizowane leczenie staje się bardziej wykonalne, a nawet ułatwia nam znajdowanie nowych zastosowań dla istniejących leków.

P. W jaki sposób sztuczna inteligencja jest wykorzystywana do odkrywania leków?

O. Sztuczną inteligencję wykorzystuje się w odkrywaniu leków na kilka sposobów. Po pierwsze, sztuczna inteligencja skanuje biblioteki substancji chemicznych i przewiduje, jak różne związki będą reagować z białkami. Analizuje także dane poszczególnych pacjentów, aby opracować spersonalizowane metody leczenia. Co więcej, sztuczna inteligencja pracuje nad usprawnieniem badań klinicznych, dzięki czemu cały proces badawczy staje się bardziej efektywny.

P. W jaki sposób sztuczna inteligencja wpływa na koszty i harmonogram odkrywania leków?

O. Sztuczna inteligencja może sprawić, że proces odkrywania nowych leków będzie uzasadniony, usprawniając sposób, w jaki wybieramy związki i organizujemy badania kliniczne. Mogłoby to pozwolić na imponujące oszczędności w kosztach badań i rozwoju. Przyspieszając identyfikację potencjalnych kandydatów na leki i usprawniając proces badań klinicznych, sztuczna inteligencja w odkrywaniu leków może również pomóc szybciej udostępnić pacjentom nowe metody leczenia .