هوش مصنوعی در کشف دارو فرصت بزرگی ایجاد کرده است

 سیدمهدی رضایت در پنل «راستی‌ها و ناراستی‌های کاربرد هوش مصنوعی در صنعت دارو» در یازدهمین نمایشگاه بین‌المللی دارو و صنایع وابسته (ایران فارما) در مصلای تهران، افزود: هوش مصنوعی در طراحی فرمولاسیون نیز بسیار مؤثر است، اما در مطالعات پیش‌بالینی همچنان باید با احتیاط بیشتری عمل کرد.

وی با بیان اینکه نقاط قوت هوش مصنوعی در فاز نخست کارآزمایی‌های بالینی اثبات شده است، تصریح کرد: در فاز‌های دوم و سوم کارآزمایی بالینی، در برخی موارد بیش از ۹۰ درصد خروجی‌های ارائه‌شده توسط هوش مصنوعی با مشکل مواجه بوده‌اند و باید در استفاده از این فناوری دقت و نظارت کافی وجود داشته باشد.

 رضایت ادامه داد: در حال حاضر نمونه‌هایی از دارو‌ها وجود دارند که در فرآیند کشف، رگولاتوری و اخذ مجوز، از هوش مصنوعی استفاده کرده‌اند و در کشور‌های مختلف نیز دانشگاه‌ها و شرکت‌های بزرگ سرمایه‌گذاری گسترده‌ای در این حوزه انجام داده‌اند.

ضرورت توجه به رگولاتوری هوش مصنوعی در صنعت دارو

رئیس انجمن نانوفناوری پزشکی ایران، یکی از چالش‌های اصلی توسعه هوش مصنوعی در صنعت دارو را موضوع رگولاتوری دانست و گفت: سازمان غذا و دارو و نهاد‌های مشابه در سایر کشور‌ها باید برای نحوه ارزیابی، اعتبارسنجی و صدور مجوز محصولات و فرآیند‌هایی که با استفاده از هوش مصنوعی توسعه پیدا می‌کنند، چارچوب مشخصی داشته باشند.

وی افزود: اگر برای این حوزه مجوز و سازوکار مشخصی نداشته باشیم، توسعه کاربرد‌های هوش مصنوعی در صنعت دارو با مشکلات جدی مواجه خواهد شد.

رضایت با اشاره به تصویب سند هوش مصنوعی در کشور گفت: در این سند بر ایجاد سازمان ملی هوش مصنوعی و اختصاص منابع برای توسعه این فناوری تأکید شده است و باید از این ظرفیت برای پیشبرد کاربرد‌های هوش مصنوعی در حوزه سلامت و دارو استفاده کرد.

وی با بیان اینکه کیفیت و دسترسی به داده از الزامات توسعه هوش مصنوعی در حوزه سلامت است، اظهار کرد: داده‌های موجود در کشور پراکنده و در بسیاری موارد نامرتب و فاقد برچسب‌گذاری مناسب هستند و باید برای ساماندهی و استانداردسازی آنها چاره‌اندیشی شود.

رئیس انجمن نانوفناوری پزشکی ایران، ضعف زیرساخت‌های محاسباتی را از دیگر چالش‌های این حوزه عنوان کرد و گفت: آسیب‌هایی که در جریان جنگ به زیرساخت‌ها وارد شد نیز این وضعیت را تشدید کرده است.

وی همچنین بر ضرورت تدوین چارچوب ارزیابی و صدور گواهی برای سامانه‌ها و محصولات مبتنی بر هوش مصنوعی تأکید کرد و افزود: دسترسی به پایگاه‌های داده و منابع علمی جهانی نیز می‌تواند به یک فرصت مهم برای توسعه این حوزه در کشور تبدیل شود.

رضایت با اشاره به کاربرد هوش مصنوعی در سم‌شناسی محاسباتی و مطالعات پیش‌بالینی گفت: ورود هوش مصنوعی به این حوزه‌ها موجب افزایش قابل‌توجه سرعت فرآیند‌های تحقیقاتی شده است و استفاده از روش‌های «این سیلیکو» می‌تواند در کاهش زمان و هزینه مطالعات مؤثر باشد.

وی همچنین از فعالیت شرکت‌ها و پلتفرم‌های بین‌المللی در حوزه کارآزمایی‌های بالینی با هدف کاهش شکست مطالعات خبر داد و گفت: شرکت‌های خارجی در حال توسعه پلتفرم‌هایی هستند که بتوانند با استفاده از هوش مصنوعی، احتمال شکست در کارآزمایی‌های بالینی را کاهش دهند.

رئیس انجمن نانوفناوری پزشکی ایران با اشاره به اهمیت گراف دانش زیست‌پزشکی گفت: هوش مصنوعی می‌تواند داده‌های مختلف را جمع‌آوری و بر مبنای آنها گراف دانش ایجاد کند و شبکه‌های عصبی گرافی نیز می‌توانند در کشف مولکول‌های جدید و بازیابی شواهد علمی بسیار کمک‌کننده باشند.

وی افزود: در حوزه مدل‌های زبانی، کشور ما همچنان نسبت به برخی کشور‌های پیشرو عقب‌تر است و باید سرمایه‌گذاری و فعالیت بیشتری در این زمینه انجام شود.

رضایت در پایان بر ضرورت توجه همزمان به کیفیت و امنیت داده‌ها، پراکندگی اطلاعات و عمر مدل‌های مورد استفاده تأکید کرد و گفت: نهاد‌های رگولاتوری باید بتوانند بر مبنای داده‌های معتبر و پلتفرم‌های قابل اعتماد، تصمیم‌های بزرگ و قابل اتکا اتخاذ کنند.

انتهای پیام/