برنامه های کاربردی هوش مصنوعی در بیوتک شامل:
شناسایی هدف دارویی ، غربالگری دارو ، غربالگری تصویر و مدل سازی پیش بینی است.
هوش مصنوعی همچنین برای شانه کردن ادبیات علمی و مدیریت داده های کارآزمایی بالینی مورد استفاده قرار می گیرد.
با استفاده از یادگیری ماشین ، AI میتواند مجموعه داده های آزمایش کارآزمایی بالینی را مدیریت کند ،
غربالگری مجازی را فعال کرده و مقادیر زیادی از داده ها را تحلیل کند.
علاوه بر کاهش هزینه های کارآزمایی بالینی ، هوش مصنوعی می تواند در غیر این صورت
بینش غیرقابل دستیابی پیدا کند و آنها را به روند تولید دارو بازگرداند.
فن آوری های هوش مصنوعی برای خدمت به صنعت زیست فناوری توسط چندین شرکت توسعه یافته است.
خدمات آنها به سرعت ضروری می شوند زیرا روش های قدیمی تر مانند تجزیه و تحلیل آماری کلاسیک یا اسکن دستی دستی به حد عملی خود می رسد.
Atomwise اولین شرکتی بود كه نوع معمول یادگیری ماشینی ، شبكه عصبی كانونشن (CNN) را برای طراحی و كشف دارو به كار برد.
CNN در برنامه های کاربردی آشنا روزمره مانند
فناوری تشخیص گفتار الکسا یا ویژگی برچسب گذاری تصویر Facebook استفاده می شود.
Atomwise دارای 550 پروژه در حال یادگیری ماشین است که بر روی مشکلاتی مانند
کشف ضربه ، بهینه سازی قدرت ، بهینه سازی انتخاب و آزمایش سمیت خارج از هدف تمرکز دارد.
طبق گفته دکترای ابراهیم هیفتس ، مدیرعامل Atomwise ،
هیچ محدودیتی در تعداد ترکیبات مولکول های کوچک که با استفاده از الگوریتم Atomwise قابل نمایش هستند ، وجود ندارد.
Heifets می گوید: “ما اخیراً بزرگترین صفحه نمایش در تاریخ بشر با 12 میلیارد مولکول انجام دادیم.”
بیشتر این 12 میلیارد مولکول در طبیعت وجود ندارند و هرگز وجود نداشته اند.
با این وجود ، هر یک از آنها می توانند توسط شرکای Atomwise سنتز شوند.
این فروشندگان می توانند به سرعت مولکولهای جالب کاندیدایی را از مجموعه ای از بلوک های ساختمانی اساسی سنتز کنند
و طی چهار تا شش هفته آنها را تحویل دهند. هایفت ادعا می کند که در دسترس بودن آن ترکیبات نظری به سرعت در حال افزایش است و به زودی می توان 100 میلیارد مولکول را غربال کرد.
