Una delle applicazioni più importanti dell'apprendimento automatico nello sviluppo di farmaci è l'identificazione di nuovi bersagli farmaceutici. Gli algoritmi di apprendimento automatico possono essere utilizzati per analizzare grandi set di dati genomici, proteomici e fenotipici per identificare nuove proteine coinvolte nei processi patologici. Queste proteine possono poi essere prese di mira con nuovi farmaci.
L'apprendimento automatico può essere utilizzato anche per progettare nuovi farmaci. Imparando dalle strutture dei farmaci conosciuti, gli algoritmi di apprendimento automatico possono progettare nuovi farmaci che hanno maggiori probabilità di essere efficaci e avere minori effetti collaterali.
Infine, l'apprendimento automatico può essere utilizzato per testare i farmaci in modo più efficiente. Gli algoritmi di apprendimento automatico possono essere utilizzati per identificare i pazienti che hanno maggiori probabilità di trarre beneficio da un particolare farmaco e per progettare studi clinici che hanno maggiori probabilità di produrre risultati significativi.
L’uso dell’apprendimento automatico nello sviluppo dei farmaci ha il potenziale per rivoluzionare il modo in cui vengono prodotti i nuovi farmaci. Automatizzando le attività tradizionalmente eseguite manualmente, l'apprendimento automatico può aiutare i ricercatori a identificare nuovi bersagli farmacologici, progettare nuovi farmaci e testarli in modo più efficiente. Ciò può portare a nuovi farmaci più efficaci, con meno effetti collaterali e disponibili per i pazienti più rapidamente.
Ecco alcuni esempi specifici di come l'apprendimento automatico viene utilizzato nello sviluppo di farmaci:
* Nel 2016, i ricercatori di Google AI hanno utilizzato l'apprendimento automatico per identificare un nuovo bersaglio farmacologico per la cura del cancro. Il bersaglio del farmaco è una proteina chiamata tirosina chinasi di Bruton (BTK). BTK è coinvolto nella crescita e nella sopravvivenza delle cellule tumorali. I ricercatori hanno scoperto che un farmaco chiamato ibrutinib, già approvato per il trattamento di alcuni tipi di cancro, è efficace nell’inibire la BTK. Questa scoperta potrebbe portare a nuovi trattamenti per il cancro.
* Nel 2017, i ricercatori del Massachusetts Institute of Technology (MIT) hanno utilizzato l'apprendimento automatico per progettare un nuovo antibiotico. L'antibiotico si chiama alicina. L’alicina è efficace contro un’ampia gamma di batteri, compresi i batteri resistenti ad altri antibiotici. Questa scoperta potrebbe portare a nuovi trattamenti per le infezioni resistenti agli antibiotici.
* Nel 2018, i ricercatori della Stanford University hanno utilizzato l'apprendimento automatico per identificare i pazienti che hanno maggiori probabilità di trarre beneficio da un particolare farmaco. Il farmaco si chiama pembrolizumab. Pembrolizumab è un farmaco immunoterapico utilizzato per trattare alcuni tipi di cancro. I ricercatori hanno scoperto che i pazienti che hanno un livello elevato di una proteina chiamata PD-L1 sulle cellule tumorali hanno maggiori probabilità di trarre beneficio da pembrolizumab. Questa scoperta potrebbe aiutare i medici a identificare i pazienti che hanno maggiori probabilità di trarre beneficio da pembrolizumab ed evitare trattamenti non necessari.
Questi sono solo alcuni esempi di come l’apprendimento automatico viene utilizzato nello sviluppo di farmaci. Poiché il campo dell’apprendimento automatico continua a crescere, possiamo aspettarci di vedere applicazioni ancora più innovative e rivoluzionarie dell’apprendimento automatico nello sviluppo di farmaci.
