En af de vigtigste anvendelser af maskinlæring i lægemiddeludvikling er identifikation af nye lægemiddelmål. Maskinlæringsalgoritmer kan bruges til at analysere store datasæt af genomiske, proteomiske og fænotypiske data for at identificere nye proteiner, der er involveret i sygdomsprocesser. Disse proteiner kan derefter målrettes med nye lægemidler.
Maskinlæring kan også bruges til at designe nye lægemidler. Ved at lære af strukturerne af kendte lægemidler kan maskinlæringsalgoritmer designe nye lægemidler, der er mere tilbøjelige til at være effektive og have færre bivirkninger.
Endelig kan maskinlæring bruges til at teste stoffer mere effektivt. Maskinlæringsalgoritmer kan bruges til at identificere patienter, der har størst sandsynlighed for at få gavn af et bestemt lægemiddel, og til at designe kliniske forsøg, der er mere tilbøjelige til at give meningsfulde resultater.
Brugen af maskinlæring i lægemiddeludvikling har potentialet til at revolutionere den måde, som nye lægemidler fremstilles på. Ved at automatisere opgaver, der traditionelt udføres manuelt, kan maskinlæring hjælpe forskere med at identificere nye lægemiddelmål, designe nye lægemidler og teste lægemidler mere effektivt. Dette kan føre til nye lægemidler, der er mere effektive, har færre bivirkninger og er hurtigere tilgængelige for patienterne.
Her er nogle specifikke eksempler på, hvordan maskinlæring bruges i lægemiddeludvikling:
* I 2016 brugte forskere hos Google AI maskinlæring til at identificere et nyt lægemiddelmål til behandling af kræft. Lægemiddelmålet er et protein kaldet Brutons tyrosinkinase (BTK). BTK er involveret i vækst og overlevelse af kræftceller. Forskerne fandt ud af, at et lægemiddel kaldet ibrutinib, som allerede er godkendt til at behandle visse typer kræft, er effektivt til at hæmme BTK. Denne opdagelse kan føre til nye behandlinger for kræft.
* I 2017 brugte forskere ved Massachusetts Institute of Technology (MIT) maskinlæring til at designe et nyt antibiotikum. Antibiotikummet kaldes halicin. Halicin er effektivt mod en lang række bakterier, herunder bakterier, der er resistente over for andre antibiotika. Denne opdagelse kan føre til nye behandlinger for antibiotika-resistente infektioner.
* I 2018 brugte forskere ved Stanford University maskinlæring til at identificere patienter, der med størst sandsynlighed vil drage fordel af et bestemt lægemiddel. Lægemidlet kaldes pembrolizumab. Pembrolizumab er et immunterapilægemiddel, der bruges til at behandle visse typer kræft. Forskerne fandt ud af, at patienter, der har et højt niveau af et protein kaldet PD-L1 på deres kræftceller, er mere tilbøjelige til at drage fordel af pembrolizumab. Denne opdagelse kan hjælpe læger med at identificere patienter, der har størst sandsynlighed for at få gavn af pembrolizumab, og undgå unødvendig behandling.
Dette er blot nogle få eksempler på, hvordan maskinlæring bliver brugt i lægemiddeludvikling. Efterhånden som området for machine learning fortsætter med at vokse, kan vi forvente at se endnu flere innovative og banebrydende anvendelser af machine learning i lægemiddeludvikling.