Prelom u umjetnoj inteligenciji pojavio se na Sveučilištu Brown, nudeći novi pristup razvoju sustava isporuke lijekova s kontrolisanim oslobađanjem, kao što su flasteri i zavoje.
Znanstvenici dizajniraju materijal, provode testove, prilagođavaju dizajn i ponavljaju ciklus dok ne postignu željene rezultate. Ovaj iterativni proces zahtijeva puno vremena i resursa. Međutim, nova metoda koristi napredne tehnike umjetne inteligencije utemeljene na fizičkim principima kako bi pojednostavila ovu fazu razvoja.
Te mreže uključuju temeljne fizičke zakone izravno u njihovu arhitekturu, što im omogućuje da generišu točna predviđanja s minimalnim podacima o treningu u usporedbi s konvencionalnim neuronskim mrežama.
Za jednostavnije, ravne materijale, model je postigao točnost sa samo 6% dostupnih eksperimentalnih podataka. Za složenije materijale s savijanjem ili teksturama potrebno je 33% skupina podataka, ali i dalje daje pouzdana predviđanja. Ova se učinkovitost prevodi u znatnu uštedu vremena. Prema Srivastavi, pristup bi mogao smanjiti eksperimentalno vrijeme do 94% za jednostavne materijale i 67% za složenije. U brzom svijetu farmaceutskog razvoja, gdje je vrijeme jednako financijskim ulaganjima, takva smanjenja imaju značajno obećanje za ubrzavanje dostupnosti proizvoda pacijentima.
Kako bi poboljšali pouzdanost svojih predviđanja, tim je također integrirao Bayesove statističke metode u okvir PINN-a. Ovo dodavanje omogućuje modelu da uzme u obzir neizvjesnosti svojstvene eksperimentalnim postavkama, stvarajući izlaze koji se bliže usklađuju s stvarnim empirijskim rezultatima. Takva prečišćavanja osiguravaju da uvidi generirani AI-om ostanu snažni čak i kada se suočavaju s varijabilnošću ili šumom unutar podataka. Iako se trenutni fokus istraživačkih centara vrti oko vanjskih aplikacija poput flastera i zavoja, temeljne metodologije imaju širu primjenjivost. Slični principi mogu se proširiti na interne sustave isporuke lijekova kao što su oralni lijekovi ili implantati.
Srivastava je naglasio da pokazani pristup naglašava transformativni potencijal za umjetnu inteligenciju u zdravstvu, sposobnu za poboljšanje skrbi o pacijentima kroz učinkovitije procese razvoja proizvoda. Kako se polje nastavlja razvijati, integracija AI modela zasnovanih na fizici predstavlja ključni pomak prema inteligentnijim i prilagodljivim pristupima u biomedicinskom inženjerstvu. Uz tekuće istraživanje i usavršavanje, ove tehnologije uskoro mogu postati integralne komponente modernih strategija isporuke lijekova, otvarajući put inovativnim tretmanima prilagođenim individualnim potrebama pacijenata.
★
Neka vijesti ostanu poštene.
ObjectiveNews financiraju čitatelji i bez oglasa je – pristranost vam pokazujemo, ne skrivamo. Podržite neovisno novinarstvo za 5 €/mjesec.
Postani podupiratelj
United Kingdom
