آلفابت اخیرا از راهاندازی شرکتی جدید تحت عنوان Isomorphic Laboratories خبر داد که میتواند با بهرهگیری از ظرفیتهای هوش مصنوعی، داروهایی را برای بیماریهای مختلف کشف کند.
این شرکت فعالیت خود را مبتنی بر عملکرد دیپمایند، مجموعهای دیگر متعلق به آلفابت که تحقیقات گستردهای را در زمینه استفاده از فناوری هوش مصنوعی برای پیشبینی ساختار پروتئینها انجام میدهد، دنبال خواهد کرد.
شرکت جدید آلفابت یعنی Isomorphic Laboratories از این دستاوردها برای ساخت ابزارهایی جدید برای کمک به شناسایی داروهای جدید بهره خواهد برد. دنیس هاسابیس، مدیرعامل دیپمایند با حفظ سمت، مدیرعاملی این شرکت جدید را برعهده خواهد داشت.
به گفته سخنگوی آلفابت، فعالیت این دو شرکت به صورت جداگانه دنبال خواهد شد و در بعضی مواقع نیز با یکدیگر همکاری خواهند داشت. محققان در طی سالهای اخیر بر این موضوع توافق دارند که میتوان از هوش مصنوعی به عنوان روشی سریعتر و ارزانتر برای یافتن داروهای جدید برای درمان بیماریهای مختلف استفاده کرد.
با کمک هوش مصنوعی میتوان پایگاههای دادهای مولکولها را به منظور پیدا کردن بهترین نمونهها برای یک هدف بیولوژیکی خاص اسکن کرد. در طی دو سال اخیر، شرکتهای مختلف بالغ بر صدها میلیون دلار در زمینه ساخت ابزارهای مبتنی بر هوش مصنوعی برای استفاده در این حوزه سرمایهگذاری کردهاند.
شرکت Isomorphic نیز تلاش میکند تا مدلهایی مبتنی بر هوش مصنوعی طراحی کند که از قابلیت پیشبینی رفتار داروها در بدن برخوردارند. در این راه از تحقیقات شرکت دیپمایند در زمینه ساختار پروتئینها و تعامل آنها با یکدیگر نیز استفاده خواهد کرد.
البته قرار نیست که این شرکت، دارویی اختصاصی خود را تولید کند، اما در عوض قصد دارد تا مدلهای توسعه یافته مبتنی بر هوش مصنوعی خود را به شرکتهای خریدار بفروشد. همچنین این مجموعه، تمرکز خود را روی همکاری با شرکتهای دارویی معطوف خواهد کرد.
ساخت و آزمایش داروها میتواند چالشی سختتر از کشف ساختار پروتئینها باشد. برای نمونه، ممکن است که یک دارو در سطح شیمیایی بسیار خوب عمل کند، اما وقتی به انسان یا حیوان تزریق میشود، نتیجه مطلوب را نشان ندهد. به گفته محققان، بیش از 90 درصد داروهایی که به مرحله آزمایش بالینی میرسند، به فاز تولید انبوه و استفاده توسط بیماران وارد نمیشوند.
تحقیقات صورتگرفته توسط دیپمایند و برنامههایی که Isomorphic در دست اقدام دارد، میتوانند در از میان برداشتن برخی موانع و تنگناهای تحقیقاتی پیش روی محققان کمک کنند. اما در عین حال، به عنوان راهحلی سریع برای چالشهای بیشمار توسعه و تولید دارو تلقی نمیشوند.