[弗雷德]人工智能发现新的候选抗生素

麻省理工学院 (MIT) 和哈佛大学布罗德研究所的 James Collins 实验室团队利用人工智能 (AI) 发现了一类新的候选抗生素。加速药物发现研究人员着手解决抗生素耐药性问题并正在寻找能够有效对抗耐甲氧西林金黄色葡萄球菌 (MRSA) 和耐万古霉素肠球菌等超级细菌的抗生素，这些细菌通常对抗生素具有耐药性。该团队使用深度学习人工智能模型成功筛选了数百万种化合物，以挖掘出新的潜在候选抗生素。

传统方法需要数年时间才能产生结果，但人工智能可以快速解析数据集以找到有前途的候选者。

人工智能可以大大缩短药物发现和开发的漫长过程，为新疗法提供更快的途径。“如果考虑传统的抗生素发现流程，发现一种新抗生素大约需要 12 年，而需要 3 至 3 年时间。”六年来发现任何临床候选者。

然后你必须将它们过渡到 I 期、II 期和 III 期临床试验，”宾夕法尼亚大学佩雷​​尔曼医学院精神病学系助理教授 César de la Fuente 说。“现在，有了机器，我们已经能够加速这一过程。

例如，在我和我的同事自己的工作中，我们可以在几个小时内发现数千或数十万的临床前候选药物，而不必等待三到六年，”他补充道。借助人工智能，可以显着减少新抗生素的使用。

然而，新的候选抗生素在最初被发现后仍然需要经历一个漫长的过程，其中包括严格的测试和监管批准。

美国食品和药物管理局 (FDA) 要求在任何临床试验开始之前进行全面的毒性和研究性新药研究，以确保新药的安全性和有效性。打破黑匣子与大多数人工智能模型不同，它们通常被认为是黑匣子，因为尽管人们对它们如何或为何产生输出没有太多了解，但柯林斯实验室的研究人员在他们的工作中实施了“可解释的人工智能”元素，并且能够阐明人工智能决策背后的生物化学原理。

可解释的人工智能是人工智能的一种方法，强调清晰解释人工智能系统如何做出决策或预测的能力；

它对于透明度、信任和道德考虑至关重要。“我认为，如果我们有一天将人工智能视为一门工程学科，这一点很重要。

在工程中，您总是能够分解构成某种结构的不同部分，并且了解每个部分的作用。

但就人工智能而言，尤其是深度学习，因为它是一个黑匣子，

我们不知道中间会发生什么。

为了给我们复合 X 或 Y 或解决方案 X 或 Y，重新创建所发生的事情是非常困难的。因此，开始深入研究黑匣子以了解每个步骤中实际发生的情况是我们实现目标的关键一步。 de la Fuente 表示：“能够将人工智能转变为一门工程学科。” 人工智能对医学研究的影响 柯林斯实验室及其研究人员的工作为在医疗保健中使用人工智能带来了光明的前景，并且是一项重大的科学胜利。

这种转变不仅涉及药物发现的速度和效率，还涉及药物发现的速度和效率。

这是从根本上改变我们的医学研究方法。

将人工智能（尤其是与可解释的模型）相结合，可以更全面地了解药物相互作用。

这些进步必将对医疗保健和生命科学行业产生重大影响，并将引领人工智能在发现新的治疗方法、增强疾病预防策略和更加个性化的患者护理方面发挥关键作用的未来。观看：医疗保健、生命科学和区块链 width="562" height="315" frameborder="0" allowedfullscreen="allowfullscreen">区块链新手？

查看 CoinGeek 的区块链初学者部分，这是了解更多有关区块链技术的终极资源指南。

热点：人工智能 弗雷德