۰
plusresetminus
تاریخ انتشارسه شنبه ۷ اسفند ۱۳۹۷ - ۱۳:۰۸
کد مطلب : ۱۵
چگونه دارو های هوشمند می توانند مشکل غول های داروسازی دنیا را برطرف کنند ؟

یک شرکت در فارمینگهام – ماساچوست تصور می کند پاسخ را یافته است.

مدیر یک شرکت داروسازی می گوید : تولید داروهای نوآورانه و نجات بخش نیازمند بازگشت سرمایه کافی است. اخیرا این بازگشت سرمایه با مشکل مواجه گردیده است. طبق آمار موسسه حسابرسی Deloitte 12 شرکت برتر دارویی فقط 3.2 درصد بازگشت سرمایه صرف شده بر روی تحقیقات دارویی را دارند.درسال 2010 این عدد 1/10 درصد بود. چگونه صنعت داروسازی می تواند مانع این مشکل شود ؟
یک شرکت در فارمینگهام – ماساچوست تصور می کند پاسخ را یافته است.

مدیر یک شرکت داروسازی می گوید : تولید داروهای نوآورانه و نجات بخش نیازمند بازگشت سرمایه کافی است. اخیرا این بازگشت سرمایه با مشکل مواجه گردیده است. طبق آمار موسسه حسابرسی Deloitte    12 شرکت برتر دارویی فقط 3.2 درصد بازگشت سرمایه صرف شده بر روی تحقیقات دارویی را دارند.درسال 2010 این عدد 1/10 درصد بود.
چگونه صنعت داروسازی می تواند مانع این مشکل شود ؟
یکی از راه کارها میتواند استفاده از هوش مصنوعی برای پیشرفت تحقیقات دارویی در مراحل اولیه باشد. (همچنین در مواقعی که ریسک و احتمال  شکست تحقیق در مورد دارویی بالا باشد) هوش مصنوعی یا AI می تواند در تحلیل میزان قابل توجه داده های منتج از تست های بالینی ، سوابق پزشکی، اطلاعات ژنتیکی و مطالعات پیش بالینی نیز یاری رسان باشد. همچنین Deloitte  معتقد است از طریق این اطلاعات AI  قادر است به تنهایی الگوها و روندهای تغییر را تشخیص داده و فرضیه هایی را بسیار سریعتر از محققان ارائه دهد.
شرکت های داروسازی بزرگی همچون Merck, Sanofi, Astrazeneca نیز در حال حاضر در آزمایشگاههای خود از آن بهره می برند.
در سال 2017 ، آسترازنکا برای استفاده از جدیدترین پلت فرم هوش مصنوعی با اهداف امید بخش بیولوژیکی و مقابله با عوامل احتمالی بیماری های عصبی مانند پارکینسون ، با شرکت تازه تاسیس Berg   در ماساچوست همکاری کرده است.
نحوه کار این سیستم چگونه است ؟
Niven R.Narian مدیرعامل شرکت Berg ، می گوید برای شروع از بیولوژی استفاده می کنیم. ما نمونه بافت های افراد سالم و بیمار را گرفته و در سطوح مولکولی متفاوت تحلیل کرده واطلاعات حاصل را  با داده های بالینی ترکیب نموده و به پلت فرم هوش مصنوعی Berg  برای رسیدن به اهداف مورد نظرمان وارد می کنیم. برای تحلیل این اطلاعات ، برگ پایگاه داده عمومی در دسترس همگان را کنار می گذارد. نارین می گوید رویکرد ما Bayesian  است و این فقط جمع آوری کردن مشتی اطلاعات و شکل دادن یک مدل و نتیجه گرفتن همبستگی بین آنها نیست. ما با فرضیه های از پیش تعیین شده کار خود را آغاز نمی کنیم. شما اطلاعات مد نظر را به سیستم داده و اجازه می دهید او فرضیه ها را شکل دهد. بنابراین به نظر می رسد هوش مصنوعی یک دانش خوب و کاربردیست باید صبر کرد و نتیجه را دید.
 
ارسال نظر
نام شما
آدرس ايميل شما

جذام همچنان در ایران قربانی می‌گیرد
کیت‌های تشخیصی‌ ویروس کرونا ۲۰۱۹ تا چند روز آینده وارد کشور می‌شود/ آزمایشگاه مرجع سلامت، آمادگی شناسایی ویروس جدید را دارد
وزارت بهداشت: هیچ مورد مشکوک به ویروس کرونا نداشته‌ایم
ویروس کرونای به استرالیا رسید
اپیدمی «آنفلوآنزا نوع B »در کشور وجود ندارد
۴ هزار و ۵۰۰ پرستار در کشور جذب می‌شوند/شناسایی ۳۵ منطقه برای ساخت پانسیون‌های پرستاری
استقرار «مرکز مدیریت بیماری‌های واگیردار» در فرودگاه امام
تأثیر حوادث اخیر کشور بر گردشگری سلامت
موردی از ویروس چینی در ایران مشاهده نشده است
مقصران مرگ‌ زودرس ناشی از آلودگی‌ هوا
ایران، کشوری پیشرو در استقرار شبکه شهرهای سالم
تمهیدات وزارت بهداشت برای کنترل آنفلوآنزای B
نخستین بیمار مبتلا به کرونا در کره جنوبی شناسایی شد
صدا وسیما برای دعوت کارشناسان از وزارت بهداشت استعلام نمی‌کند
راه اندازی خانه بهداشت سیار عشایری در بخش ارم و بوشکان
هزینه‌های خدمات درمانی بازنشستگان کاهش می‌یابد
بخش خصوصی از بودجه درمان ناباروری سهم بگیرد/مشکل زوجین نابارور
۳۰ بهمن؛ آخرین مهلت پزشکان برای ثبت‌نام کارتخوان + جزییات
آیا دستگاه‌های دیالیز ایرانی بی‌کیفیت‌ هستند؟
استانداردهای درمانی برای گردشگران سلامت افزایش یافته است
شیوع نوع B ویروس آنفلوانزا در ایران
ایران یکی از ۷ کشور آلوده به سالک/۱۹ استان درگیر بیماری هستند
چرا وزارت بهداشت در برابر کاهش هزینه‌های درمان بیماران مقاومت می‌کند؟/ نظام پرداخت حق دسترسی به درمان را از حاشیه‌نشینان گرفته است
سهم تجهیزات پزشکی ایرانی در بازار درمانی کشور چقدر است؟