Взрывной рост объема биологических данных приведет к тому, что буквально через несколько лет система искусственного интеллекта обнаружит первых кандидатов на новые эффективные лекарства. Такое мнение высказали эксперты по машинному обучению на STAT-саммите, который в этот раз был посвящен будущему медицины. Изменению технологии создания лекарства способствует не только прогресс в области компьютерных исследований, но и создание банков генетической и медицинской информации. Их использование позволяет искусственному интеллекту создавать масштабные и многомерные модели, которые принципиально меняют стратегию фармацевтических исследований. Президент и главный научный консультант GlaxoSmithKline Хал Баррон (Hal Barron) отметил: «Я бы предсказал, что в ближайшие два-три года у нас будут примеры таких целевых препаратов, которые обнаружены с помощью методов машинного обучения и имеют в своей основе ранее недооцененную биологию». Тем не менее, отмечает Баррон, возможности использования искусственного интеллекта чаще всего ограничены объемом данных. Даже значительные массивы, которые обычно «работают» в медицинских исследованиях, оказываются недостаточными для машинного обучения.
Внедрение облачных технологий в систему здравоохранения обеспечивает накопление и упорядочивание значительных информационных массивов. При работе с ними искусственный интеллект, по мнению другого участника STAT-саммита, генерального директора компании-стартапа Insitro Дафни Коллер (Daphne Koller), обнаруживает эффективное решение в тех местах, где раньше даже не проводилось поиска. Она заметила: «Позволь машине понять, в чем, на самом деле, различие между больным и здоровым состоянием, и она поможет нам найти цели, которые иначе мы бы не смогли обнаружить».
Показательным примером успешного использования искусственного интеллекта при разработке лекарств может служить результат фирмы Insilico Medicine. Задействовав машинное обучение, компании удалось за три недели получить несколько вариантов препаратов для лечения мышечного фиброза. Для сравнения можно упомянуть, что с помощью традиционных технологий на это ушло бы не менее 5-8 лет и несколько миллионов долларов США.
